刘好斌， 杨丰玉， 杨志勇， 张 佗， 洪贤涛

（1.南昌航空大学 软件学院, 南昌 330063；2.中国人民解放军第五七一九工厂, 成都 610000）

0 引言

轴承作为汽车、起重机、飞机等大型机械设备的重要组成部分，承担着机械设备的重量，引导转动等重要任务，因此，轴承质量的好坏决定着机械设备能否正常可靠运行[1-3]。然而，轴承端面表面缺陷作为轴承生产制造过程中最常见的轴承缺陷，目前仍然主要采用人工目视检测方法进行缺陷检测。由于人工目视检测方法易受检测人员生理、情绪以及检测持续时间等因素的影响，普遍存在检测精度低、可靠性差等问题。

相对人工目视检测方法而言，基于机器视觉技术的表面缺陷检测方法，因具有较高的计算效率与检测精度，被广泛应用于轴承缺陷检测技术领域。例如，针对滑动轴承表面缺陷检测问题，陈琦等[4]提出一种通用的检测方法，首先使用模板匹配和阈值分割法获取待检测区域，然后针对缺陷形态的不同设计相应特征提取算法，最后利用SVM实现缺陷类别分类。针对轴承表面缺陷检测误检率较高问题，陈昊等[5]通过引入图像光流技术构建一种基于图像光流的轴承滚子表面缺陷检测方法，有效降低了轴承表面缺陷检测误检率。针对轴承表面缺陷检测存在漏检率较高问题，兰叶深等[6]提出一种基于视觉显著性的轴承表面缺陷检测方法，该方法首先对输入图像进行高斯金字塔采样，然后对每层图像执行超像素分割并对分割结果进行显著值提取，最后对获取的显著图进行缺陷检测和定位，大幅降低了检测漏检率。……