基于机器视觉的轴承全表面缺陷在线检测方法

来源：电子测量技术杂志2025年第9期北京时间：

作者：蔡炳彬，黄丹平，张浩田，廖世鹏

单位：1.四川轻化工大学机械工程学院 宜宾 644000;2.中国科学院成都计算机应用研究所 成都 610041

摘要：为解决当前轴承缺陷图像采集难、检测慢等问题，搭建一种基于机器视觉的单工位轴承全表面缺陷在线检测系统。系统利用线扫描相机结合光学系统进行高效采集轴承全表面图像。所搭建的缺陷检测网络模型以ConvNext为特征提取网络，利用特征融合补充特征信息；再进行轻量化改进；同时采用多任务学习的训练方法，使模型具有针对性处理各层次特征信息的能力，最终显著提升模型在轴承表面缺陷检测任务上的表现。实验表明，相比ConvNeXt-Tiny来说，所搭建深度学习模型的检测精度模型提高了4.14%，检测精度达90.02%。单工位轴承全表面缺陷在线检测系统依靠CPU进行计算时，平均检测时间为每个轴承0.735 s。系统体积小、成本低，同时满足轴承表面缺陷在线检测的要求，具有良好的应用前景。

关键词：轴承;缺陷检测;多任务学习;轻量化;特征融合;深度学习

基金资助：国家自然科学基金（52370067）、过程装备与控制工程四川省高校重点实验室开放基金（GK202209）、四川省重点实验室资助项目（NJ2018-05）资助