1.一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測方法，其特征是該方法包括如下步驟：
步驟1、軸承鉚釘圖像采集，即通過CCD相機(jī)拍攝目標(biāo)圖像，并將圖像轉(zhuǎn)換成灰度圖像G；
步驟2、軸承鉚釘圖像預(yù)處理，即對轉(zhuǎn)換后的灰度圖像G進(jìn)行去噪并增強(qiáng)其對比度，生成預(yù)處理后的灰度圖像G1；
步驟3、內(nèi)臺(tái)階缺陷檢測，為了降低環(huán)境光照影響及金屬表面的反光因素的影響，并考慮鉚釘輪廓存在非封閉狀況，采用自適應(yīng)檢測方法，在閾值范圍內(nèi)搜索可能存在的鉚釘區(qū)域，通過二次區(qū)域標(biāo)記、輪廓閉合、幾何約束方法精確定位內(nèi)臺(tái)階缺陷，具體包括如下步驟：
步驟3.1、確定自適應(yīng)檢測的灰度閾值搜索范圍ThR和灰度間隔ThSpan，
步驟3.2、嘗試選擇一個(gè)灰度閾值Th，如果灰度范圍已經(jīng)搜索完畢，即所有可能的灰度閾值都檢測過，未發(fā)現(xiàn)合理的鉚釘區(qū)域，則不再進(jìn)行檢測，此時(shí)鉚釘為不合格品；否則，繼續(xù)后續(xù)的檢測，
步驟3.3、根據(jù)灰度閾值Th對檢測區(qū)域進(jìn)行二值化處理，并標(biāo)記出所有連通區(qū)域G1_Rgn i(i＝1,n)，逐一判斷是否與鉚釘尺寸和形狀接近，依據(jù)為區(qū)域的尺寸和長寬比，如果不能找到符合要求的區(qū)域，則返回步驟3.2；否則，找到最適合的鉚釘區(qū)域Rgn1，獲取其位置信息，繼續(xù)進(jìn)行后續(xù)檢測，
步驟3.4、針對鉚釘輪廓存在的不閉合狀況，先構(gòu)建封閉的鉚釘區(qū)域，計(jì)算Rgn1的外接矩形Rgn1_Rt，生成相應(yīng)的內(nèi)切橢圓，將該橢圓區(qū)域Rgn2與Rgn1合并，生成新區(qū)域Rgn3，從原始圖像中提取該區(qū)域Rgn3的圖像，并作為第二次檢測目標(biāo)G2，
步驟3.5、對G2進(jìn)行二值化，并進(jìn)行區(qū)域標(biāo)記，標(biāo)記所有連通區(qū)域G2_Rgn i(i＝1,n)，具體為：選擇步驟3.2中的灰度閾值Th，計(jì)算所有白色連通區(qū)域，灰度值>Th，并提取連通區(qū)域的主要屬性，即面積、尺寸和填充率，
步驟3.6、針對步驟3.5的標(biāo)記結(jié)果，按面積大小排序，去除最大的連通區(qū)域G2_Rgnmax，檢索所有剩余的標(biāo)記區(qū)域，如果存在G2_Ri且符合臺(tái)階的基本特征要求，即面積和尺寸條件，則該區(qū)域被認(rèn)為是內(nèi)臺(tái)階區(qū)域，此時(shí)，目標(biāo)G2中存在內(nèi)臺(tái)階缺陷；否則，不存在內(nèi)臺(tái)階區(qū)域；
步驟4、外臺(tái)階缺陷檢測，具體包括如下步驟：
步驟4.1、依據(jù)霍夫檢測算法，檢測半徑范圍內(nèi)可能存在的圓形區(qū)域，該區(qū)域的半徑大于正常鉚釘半徑，其大小與裝配線機(jī)械設(shè)備相關(guān)，為鉚釘尺寸的1.2-1.5倍，如果存在，則說明外臺(tái)階可能存在缺陷，需進(jìn)一步判斷；否則，不存在外臺(tái)階缺陷，
步驟4.2、依據(jù)步驟3.4所定位的鉚釘區(qū)域Rgn3，判斷外圈與鉚釘區(qū)域的位置關(guān)系和尺寸差異，如果在允許范圍內(nèi)，則該外圈區(qū)域?yàn)橥馀_(tái)階；否則，則認(rèn)為步驟4.1檢測結(jié)果為環(huán)境干擾，忽略之；
步驟5、依據(jù)步驟3.6和步驟4.2所得分析結(jié)果，判斷鉚釘是否合格，不合格現(xiàn)象包括：內(nèi)臺(tái)階缺陷、外臺(tái)階缺陷、內(nèi)外臺(tái)階缺陷或其它類型缺陷。
2.如權(quán)利要求1所述的一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測方法，其特征是所述的步驟1，具體包括如下步驟：
1-1、相機(jī)位于軸承的正上方，相機(jī)與軸承之間有環(huán)形LED光源；鏡頭光圈小，保證鉚釘輪廓線清晰，總體明暗對比強(qiáng)烈；然后對目標(biāo)進(jìn)行圖像采集；
1-2、通過加權(quán)平均法將采集到的軸承鉚釘圖像轉(zhuǎn)換成灰度圖像G；灰度圖像G的轉(zhuǎn)換具體如下：
Gray＝R×0.3+G×0.59+B×0.11
對目標(biāo)圖像中的每一個(gè)像素點(diǎn)處理，將其轉(zhuǎn)換成灰度圖像G；其中R、G、B為一個(gè)像素點(diǎn)的值的基色分量。
3.如權(quán)利要求1所述的一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測方法，其特征是所述的步驟2，具體包括如下步驟：
2-1、對獲取到的灰度圖像G進(jìn)行圖像預(yù)處理，通過中值濾波方法除去灰度圖像G的噪聲點(diǎn)；
2-1-1、選定5×5像素點(diǎn)的鄰域，將鄰域內(nèi)的像素按灰度等級(jí)進(jìn)行排序，確定其中值；
2-1-2、將確定的中值賦予濾波后圖像中的相應(yīng)像素點(diǎn)，該相應(yīng)像素點(diǎn)即進(jìn)行中值濾波的像素點(diǎn)。
4.如權(quán)利要求1所述的一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測方法，其特征是所述的步驟3.1，具體包括：
ThR＝(ThMin,ThMax)
searchTimes＝(ThMax-ThMin)/ThSpan
即搜索的閾值范圍是在(ThMin,ThMax)，從ThMin開始，每次遞增ThSpan，直到最大值ThMax，searchTimes為搜索次數(shù)，ThMin在80-120之間，ThMax在120-160之間，ThSpan在5-10之間。
5.如權(quán)利要求1所述的一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測方法，其特征是所述的步驟3.3，具體包括如下步驟：
3.3.1、預(yù)先設(shè)定鉚釘半徑的取值范圍(inRmin,inRmax)和圓整度Rndness，及鉚釘半徑的參照值inR；
3.3.2、根據(jù)圖像亮度分布特性，選擇區(qū)域標(biāo)記算法，提取黑色連通區(qū)域，灰度值<Th，設(shè)連通區(qū)域的外接矩形為Rgn_Rt，如果該區(qū)域?yàn)殂T釘區(qū)域，則其必須符合以下約束條件：
(1)2×inRmin<Rgn_Rt.Width<2×inRmax
(2)2×inRmin<Rgn_Rt.Height<2×inRmax
(3)rateR＝Max(Rgn_Rt.Width,Rgn_Rt.Height)/Min(Rgn_Rt.Width,Rgn_Rt.Height)<Rndness
其中，Rgn_Rt.Width為矩形Rgn_Rt的寬度，Rgn_Rt.Height為高度，Rndness為圓整度，衡量目標(biāo)接近于圓的程度，設(shè)置為1-1.05之間；
3.3.3、如果有多個(gè)區(qū)域符合上述約束條件，則選擇與鉚釘尺寸最接近者為鉚釘區(qū)域，采用尺度差異度sizeDiff衡量區(qū)域與鉚釘在尺度上的相似性，即：
sizeDiff＝abs(Rgn_Rt.Width-2*inR)+abs(Rgn_Rt.Height-2*inR)
選尺度差異度最小者為目標(biāo)區(qū)域Rgn1，此時(shí)，設(shè)定該目標(biāo)的外接矩形為outRect，則鉚釘中心可設(shè)為Pc，其坐標(biāo)為：
Pc＝(Rgn_Rt.X+Rgn_Rt.Width/2,Rgn_Rt.Y+Rgn_Rt.Height/2)
鉚釘半徑近似為：
rivetR＝(Rgn_Rt.Width+Rgn_Rt.Height)/4。
6.如權(quán)利要求1所述的一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測方法，其特征是所述的步驟3.4，具體包括如下步驟：
3.4.1、計(jì)算Rgn1的外接矩形Rgn1_Rt，繪制相應(yīng)的內(nèi)切橢圓，具有2-4個(gè)像素的厚度，該橢圓區(qū)域設(shè)定Rgn2；
3.4.2、合并Rgn1和Rgn2區(qū)域，生成新區(qū)域Rgn3，提取G1目標(biāo)Rgn3區(qū)域內(nèi)圖像，并作為二次檢測目標(biāo)G2；而外部區(qū)域均為無效區(qū)域，在不影響檢測的情況下，設(shè)置無效區(qū)域?yàn)楹谏?，此時(shí)，已經(jīng)完全分割了待檢測的鉚釘區(qū)域。
7.如權(quán)利要求1所述的一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測方法，其特征是所述的步驟3.6，具體包括如下步驟：
3.6.1、對步驟3.5所計(jì)算的各個(gè)連通區(qū)域，按面積大小進(jìn)行排序；
3.6.2、鉚釘實(shí)際區(qū)域是所有面積區(qū)域中的最大者，因此首先排除該面積最大的區(qū)域G2_Rgnmax，從剩下的區(qū)域中檢索可能的臺(tái)階區(qū)域；
3.6.3、考慮鉚釘表面存在污染或金屬表面反光影響，為提高判斷的準(zhǔn)確率，對于任意可能的內(nèi)臺(tái)階區(qū)域，必須符合以下約束條件：
G2_R.Area>StepMinAreaTh(1)
Max(G2_R.Width,G2_R.Height)>StepMinSizeTh(2)
其中G2_R.Area為區(qū)域的面積值，G2_R.Width為區(qū)域的寬度，G2_R.Height為區(qū)域的高度，約束(1)為面積約束，約束(2)為尺寸約束，兩個(gè)約束條件用于過濾噪聲干擾區(qū)域，避免誤判。
8.如權(quán)利要求1所述的一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測方法，其特征是所述的步驟4.1，具體包括如下步驟：
4.1.1、設(shè)檢測區(qū)域內(nèi)圖像上的某一點(diǎn)坐標(biāo)為I(x,y)，則檢測區(qū)域內(nèi)圖像在該點(diǎn)I(x,y)的梯度值DI計(jì)算如下：
DI＝Sqrt(Dx×Dx+Dy×Dy)
Dx＝(I(x+1,y)-I(x-1,y))/2
Dy＝(I(x,y+1)-I(x,y-1))/2
圖像的鉚合部位較亮，即灰度值較高，因此對梯度值DI進(jìn)行優(yōu)化，優(yōu)化后的梯度值D如下：
D＝a×DI+b×(I1-th)
其中a、b為比列系數(shù)，a＝0.9，b＝0.1，DI為之前計(jì)算的圖像梯度值，I1為點(diǎn)I(x,y)的灰度，th為設(shè)定的灰度閾值，
對于I1-th≤0的，則點(diǎn)I(x,y)為邊緣的可能性降低，
對于I1-th＞0的，則點(diǎn)I(x,y)為邊緣的可能性增加，
當(dāng)D值大于設(shè)定的閾值時(shí)，即選取此點(diǎn)作為Hough變換的對象，進(jìn)行Hough累積值的提取統(tǒng)計(jì)，所述的閾值取值5～8；
4.1.2、在外圈半徑的允許范圍(outR1，outR2)進(jìn)行圓形Hough變換，實(shí)現(xiàn)圖像的二維空間(X,Y)到參數(shù)空間(X,Y,R)變換，并計(jì)算變換后的霍夫累積值A(chǔ)ccum，選擇最大累積值點(diǎn)作為目標(biāo)中心Pout，若該累積值大于給定的houghTh閾值，則表明圖像G1中存在目標(biāo)圓outCircle，其參數(shù)空間坐標(biāo)為(Xo,Yo,Ro)，即該圓坐標(biāo)為(Xo,Yo)，半徑為Ro；
所述的步驟4.2，具體包括如下步驟：
4.2.1、計(jì)算區(qū)域Rgn3的外接矩形Rgn3_Rt，確定鉚釘區(qū)域的尺寸和中心位置：
P2c＝(Rgn3_Rt.X+Rgn3_Rt.Width/2,Rgn3_Rt.Y+Rgn3_Rt.Height/2)
鉚釘半徑近似為：
rivetR2＝(Rgn3_Rt.Width+Rgn3_Rt.Height)/4
其中Rgn3_Rt.Width、Rgn3_Rt.Height分別為矩形的寬和高；
4.2.2、比較鉚釘與外圈outCircle(Xo,Yo,Ro)的幾何約束關(guān)系，如果滿足以下約束，則認(rèn)為該外圈為外臺(tái)階：
MinEdgeDist>minCenterDistTh
MinRDiff<RDiff<MaxRDiff
其中，MinEdgeDist為外圈與內(nèi)圈的輪廓最近距離，RDiff為內(nèi)外圈的半徑差，計(jì)算公式如下所示，該幾何約束關(guān)系與機(jī)械平臺(tái)相關(guān)，為內(nèi)圈半徑的0.1～0.2倍之間，RDiff為內(nèi)圈半徑的0.2～0.5倍之間：
MinEdgeDist＝Ro-Length((Xo,Yo),P2c)-rivetR2
RDiff＝Ro-rivetR2
其中，Length((Xo,Yo),P2c)為外圈中心到內(nèi)圈中心的間距。
9.如權(quán)利要求1或7所述的一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測方法，其特征是所述的步驟3.6獲取的是內(nèi)臺(tái)階的數(shù)量、形狀和位置信息，如果不存在內(nèi)臺(tái)階缺陷，則此時(shí)內(nèi)臺(tái)階的數(shù)量為0。
10.如權(quán)利要求1或8所述的一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測方法，其特征是所述的步驟4.2獲取的是外臺(tái)階參數(shù)，包括外臺(tái)階的位置和半徑信息，外臺(tái)階最多存在一個(gè)。