轴承是机械装备中极为重要的基础零部件，在其制造和装配过程中，轴承组件易出现缺陷，导致轴承失效，进而导致机器运行效率降低、使用寿命缩短、危险系数増高。机器视觉技术相比于传统的人工检测方式，具有自动化程度高、检测速度快、检测精度高的优点。
　　本文为解决轴承生产装配过程中组件上出现的表面划伤、铆钉缺失及保持架歪斜等三类缺陷的检测问题，开展了基于机器视觉的轴承组件缺陷自动化检测技术的研究，主要工作内容及创新点包括：
　　（1）轴承组件缺陷自动化检测系统设计。对系统进行了需求分析，分析了轴承的结构及缺陷特点，给出了设计方案。系统包括自动上料装置、侧面图像采集装置、上下表面图像采集装置、自动翻转与搬运装置、品质分类机构和自动化工控系统六部分。其中，所设计的轴承自动翻转装置，可在同一工位实现轴承上下表面图像的采集；设计了旋转装置配合线阵相机获取轴承的侧面图像。并对系统的各子机构的具体工作流程进行了详细介绍。
　　（2）复杂背景中目标轴承的定位分离算法研究。系统实际所获取的轴承图像中会包含轴承抓取装置的影像，导致图像背景较为复杂。详细介绍比较了OTSU大津法、k-means聚类法、分水岭算法等三类图像分割算法，三种方法均达不到预期的分割效果。采用了形态学方法基于重建的开闭运算去除部分无关细节，结合背景标记和前景标记的方法改进分水岭算法，取得良好的背景分离效果。通过轮廓筛选，得到轴承保持架内圆，利用最小二乘法进行圆拟合，实现了轴承的精确定位。最后利用标准手册的环径间的比例得到轴承的内外径，按圆方程实现了轴承从复杂背景中的完全分离。
　　（3）提出了轴承图像的归一化展开算法。为方便利用投影法实现目标区域的定位，运用极坐标-直角坐标变换方法进行归一化展开。在常规的归一化展开算法的基础上进行了改进，优化了展开起点的选择，有效避免了对保持架区域的误分割。
　　（4）轴承表面划伤锈斑缺陷的识别算法研究，包括了上下表面缺陷及侧面缺陷的识别。算法需实现多种类型的表面缺陷的检测，对算法普适性要求较高。在展开图像中利用水平投影法配合连通域标记法进行识别，可有效的对轴承端面和侧面的划伤锈斑等缺陷进行识别，经实验验证，三类样品共180个，总体识别率为98.3%，其中缺陷品的识别率达到100%。
　　（5）轴承铆钉缺失缺陷的识别算法研究。针对Hough圆检测易发生误检测的情况，设计了铆钉区域定位算法实现铆钉区域的精准定位，引入局部投票和细化方法改进Hough算法，可实现铆钉的检测；选用120个样品进行实验验证，总体识别率为97.5%，其中缺陷品识别率达到100%。
　　（6）轴承保持架歪斜缺陷的识别算法研究。针对保持架区域结构较为复杂且歪斜情况复杂多变的特点，设计了提取轴承图像保持架区域的定位分割算法，并提取了Hu矩和旋转不变等价模式LBP作为纹理特征，结合主成分分析（PCA）降维方法及支持向量机（SVM）构建了分类模型。对两类特征为基础所构建的分类模型分别进行了实验分析，选用120个实验样品，训练样本和测试样本各60个，Hu矩特征为基础的SVM模型总体正确率达到85%，而旋转不变等价LBP的正确率可达到100%。因此选择LBP特征，结合PCA及SVM，可有效识别轴承保持架歪斜缺陷。