氮化硅陶瓷轴承球具有优良的综合机械性能,在航空、航天等领域有广泛的应用前景。然而由于陶瓷材料的脆性,在陶瓷球制造和加工的各个阶段都有可能产生表面缺陷,处于表面和次表面的缺陷能显著降低陶瓷球的疲劳寿命。为提高成品陶瓷球的表面质量,本文分析了陶瓷球表面缺陷的形成与扩展机理,建立了陶瓷球表面缺陷检测的图像处理与识别算法,研制了基于机器视觉的陶瓷球检测系统。本文首先采用滚磨加工方法进行加工实验,获取了陶瓷球表面缺陷统计数据。陶瓷球共存在5种表面缺陷:凹坑、裂纹、雪花、划伤、擦伤。用陶瓷材料压痕断裂力学的原理和断口显微分析的方法分析陶瓷球表面缺陷形成的机理。分析结果表明异常的磨粒在加工中产生凹坑;由于球坯球度差,研磨盘在陶瓷球表面产生Hertz裂纹;精研过程中不正确的加工压力和没有破碎的硬磨粒产生擦伤和划伤缺陷。提高球坯圆度,降低粗研加工的载荷和速度可以减少裂纹缺陷。陶瓷球按表面缺陷的类型和尺寸分为高质量球、一般工况条件下使用球和不允许使用球三级。通过实验,分析了材料的显微结构与表面缺陷的对应关系,结果表明:球坯材料的气孔率、夹杂物尺寸、晶粒尺寸是影响加工质量的重要因素,改善球坯的显微结构是从根本上提高陶瓷球表面质量的方法。参考陶瓷球表面缺陷形貌特征和目前人工视觉检测方法,本文提出了基于机器视觉的陶瓷球表面质量检测系统。首先建立以中值滤波、高帽变换、对数变换和图像拉伸为基础的预处理算法,减轻了图像灰度的不均匀性,降低了图像分割的困难。提出了基于直方图凹性分析和类间最小交叉熵的区域生长图像分割算法。实验结果表明该方法充分利用了缺陷灰度分布连续的特点,能够克服传统方法中抗干扰能力差等缺点,是一种有效地分割陶瓷球表面缺陷的新方法。对分割后的表面缺陷目标,进行形状特征提取。对比实验表明,前7个规范化的缺陷边界傅里叶描述子、区域缺陷面积、缺陷长短径比及缺陷数等10个特征能够较好地区分凹坑、裂纹、雪花、划伤缺陷。根据磨损缺陷面积大,分割后目标不连续的特点,直接求原始表面图像的纹理特征。通过实验比较直方图纹理特征、频谱特征、不变矩特征,结果表明5个直方图纹理特征的效果最好。针对两类特征分别建立、训练相应的人工神经网络分类器,测试结果表明直方图特征分类器的分类正确率为97.5%,形状特征分类器的分类正确率为90.3%。集成了陶瓷球表面缺陷检测的软硬件系统,系统分辨率可达4.85μm。对陶瓷球表面展开的各种方法,建立了陶瓷球表面展开的数学模型。利用本文建立的检测系统,采集表面缺陷图像进行软件测试,实验结果表明分类正确率达到85.56%,能够完成Φ10-Φ14的陶瓷球表面质量检测。最后,对系统误差进行分析,指出图像采集、照明和机械系统精度是影响检测误差的主要原因,提高分类器的正确识别率是降低系统误检率的有效方法。