基于机器视觉的轴承缺陷检测研究进展

作者：郭渊,周俊. 日期：2024-05-24/span> 浏览：134 查看PDF文档

摘要:机器视觉是一种用机器替代人眼进行测量和检测的技术,这种技术应用于缺陷检测具有效率高、速度快、成本低等优点,许多学者将其应用在不同领域(农业、航空航天等),并取得了较好的成果,目前轴承领域也逐渐采用该检测方法。因此,需对应用于不同轴承缺陷及机器学习、深度学习下的轴承缺陷检测算法进行综述,并对其缺陷检测算法的性能进行分析归纳及对比。首先,探讨分析了轴承缺陷形成的磨损机理,并详细介绍了轴承常见磨损形式(腐蚀磨损、疲劳磨损、黏着磨损、滚道磨损等);然后,分别介绍了基于机器学习和深度学习的检测算法的区别及特点;其次,列举了机器学习的算法及深度学习的算法用于轴承缺陷检测的研究应用与分析,主要包括机器学习的人工神经网络、主成分分析、支持向量机等,及深度学习的单阶段和双阶段目标检测算法的应用;最后,为了促进深度学习算法用于轴承缺陷的诊断,针对具体问题提出了轴承缺陷检测的挑战和未来研究方向并给出了详细的建议,对机器视觉在轴承缺陷检测中的研究现状提出了总结与展望。

关键词:机器视觉;缺陷检测;目标检测;轴承;研究现状;人工神经网络;主成分分析;支持向量机

中图分类号:TH133.3;TP391.4文献标识码:A文章编号:1001-4551(2024)05-0761-14


本文引用格式:

郭渊,周俊.基于机器视觉的轴承缺陷检测研究进展［J］.机电工程,2024,41(5):761-774.

GUO Yuan, ZHOU Jun. Research progress of bearing defect detection based on machine vision［J］.Journal of Mechanical & Electrical Engineering, 2024,41(5):761-774.