轴承视觉检测技术，轴承被称为工业的“心脏”，是一种广泛应用的精密基础部件。

　　除基本型外，还有各种变型结构，如带防尘盖的、带橡胶密封圈的、带止动槽的等。基本型深沟球轴承主要由外圈、内圈、钢球、保持架、铆钉组成。

　　目前我国轴承产业规模已居世界轴承总量第三位，然而，在成品轴承外观检测上，基本依赖于人工，在工业领域，质检要想摆脱人力就必须进行技术升级和转型。

　　保证出厂轴承的良品率至关重要

　　轴承作为现代机械设备中的重要零部件，主要功能是支撑机械旋转体，降低运动过程中的摩擦系数，并保证其回转精度。

　　在生产中，质检是重要的一环。通常情况下，质检员采用人工肉眼观察、手指转动轴承等质检方式挑出表面有油污、划痕等缺陷的轴承。

　　但质检结果易受人为因素影响，检验标准难以保持一致，稳定性差且易漏检，始终不能做到良品率100%。

　　就汽车而言，汽车的动力、可靠性、安全性和舒适性都与其息息相关。

　　因此，保证出厂轴承的良品率至关重要。

　　轴承常见的表面缺陷一般有以下几种：

　　1.麻点

　　零件表面呈分散或群集状的细小坑点,呈黑色针孔状凹坑,有一定深度,个别存在或密集分布。形成原因为金属表面疲劳,在滚动接触应力的循环作用下,金属亚表面形成微观裂纹,并逐渐发展成凹坑状。

　　2.擦伤

　　零件表面因滑动摩擦而产生的金属迁移现象，其形态特征为沿轴承零件的滑动方向，并具有一定的长度和深度的表面机械性损伤，这种缺陷多发生在轴承零件的工作面。

　　3.裂损

　　轴承零件金属的连续性遭到破坏而产生的损伤，呈现线状，方向不定有一定的长度和深度，有时肉眼不可见，磁化后有聚粉现象。

　　由于轴承表面缺陷形态各异，有些缺陷形态差别很大，很难找出这类缺陷的共同特点，造成识别上的困难。

　　有些缺陷目标的空间分布范围由单一连通的空间区域组成，而有些缺陷目标则可能由多个子区域组成;有些缺陷目标具有相当大的形状任意性和复杂性，并且不同类别的缺陷形状有可能相当接近，从而使目标和特征之间失去一一对应关系。有些非缺陷，如油印与缺陷非常相似，可能被误认成缺陷。

　　基于机器视觉技术轴承缺陷检测应用

　　众所周知，3C电子制造行业要求使用无尘车间生产，为AI质检提供了良好的环境。然而，轴承零部件行业的生产环境却要差很多，即使是号称使用“无尘车间”的成品轴承生产，其环境也只是相对干净和无尘，却无法与3C电子行业的无尘车间相提并论。

　　其次，轴承外观检测往往依赖于人，对工艺、要求的认知极大程度上依赖于行业经验的判断，轴承缺陷种类繁多，如端面缺陷、外径缺陷、内径磨削烧伤等，有些瑕疵普通人甚至很难用肉眼观测得到。

　　这种情况下，对传统的检测方式无疑提出了很大的挑战。

　　近几年，机器视觉在轴承行业的发展突飞猛进，已经实现的功能主要如下：

　　宏观缺陷的检测

　　1)滚动体的数量和位置识别与判定。

　　2)密封件的标识内容、形状、外观的识别与判定。

　　3)套圈表面、滚子表面宏观裂纹、磕碰等缺陷的识别与判定。

　　微观缺陷的检测

　　1)轴承零件半成品的尺寸形状检测与判定(精度±0.01mm)。可实现锻件、车件、保持架、密封圈等主要尺寸精度在0.01mm以上的检测。目前已经稳定实现，并有不少实际应用。

　　2)轴承零件成品的尺寸形状检测与判定(精度±0.001mm)。由于成品零件尺寸形状精度普遍达到0.001mm，通过单纯的光学成像原理来检测很难达到其精度等级。目前国内有一些科创企业通过后处理算法的优化，对检测精度进行了大幅的提高。

　　3)轴承零件表面微观裂纹、麻点、磕碰伤等缺陷的识别与判定。

　　机器视觉智能在线检测，摒弃繁琐低质的人工肉眼检测方式，提升并改进轴承品质。