熊 建，廖海伸，徐高鹏，杨 岩

(重庆理工大学机械工程学院，重庆 400054)

0 引言

接触疲劳是接触类材料其接触表面在长期循环接触应力作用下形成凹坑或麻点的一种表面疲劳破坏现象，这种现象会使材料在工作中噪音增大、磨损加剧、振动及温升，进而导致材料失效，甚至引起整个机器的损坏[1-3]。在滚动接触疲劳试验中，实时地对试样接触疲劳进行快速准确的检测和记录，对材料失效判定、获取材料疲劳性能以及研究材料失效演变过程具有重要意义。

随着数字图像处理和传感器技术的发展，基于机器视觉的检测方法具有非接触、精度高、抗干扰性强，能实现定量检测等优点[4-6]，国内外学者对其进行了广泛研究。杨长辉等[7]基于机器视觉设计了一套金属材料滚动接触疲劳失效在线检测系统，由于采用固定阈值提取目标，导致检测精度易受光照影响。文献[8]提出基于机器视觉的胡萝卜表面缺陷关键参数提取算法，实现了胡萝卜表面缺陷检测和在线分类。文献[9]提出基于梯度图像的全局自适应阈值法对钢表面缺陷进行检测，由于该方法在阈值的选择过程中对图像的局部特征关注不够，导致部分缺陷边缘未能正确识别，检测精度不高。马云鹏等[10]提出金属表面缺陷自适应分割算法，该算法可对多类金属表面进行分割，但分割耗时较长，对光照不均的表面分割时容易丢失细节信息。虽然基于机器视觉的检测方法在各种工业生产中有了广泛应用，但将其用于试样接触疲劳检测的研究相对较少，且存在以下不足：