滚珠丝杠轴承基于图像的磨损量化智能评估简介
作者：高可 | 来源： | 时间：
滚珠丝杠轴承（KGT）表面缺陷的量化是在操作过程中及时更换部件的前提，也是在维修时选择维修策略的基础。主轴上的磨损情况通常由手动或间接传感器系统检测，图像记录与机器学习的方法相结合，允许对主轴表面进行基于图像的智能评估，通过集成智能摄像机系统，用户以图像数据自动评估的方式进行直接损伤分析。沃恩的研究人员开发了这样一种智能摄像系统，包括一个摄像头系统，该系统带有连接到KGT螺母上的照明，并结合了一个机器学习模型，用于对图像数据进行数据评估。
摄像机系统主要由三部分组成，一是外壳，包括照明系统，二是摄像机系统与KGT螺母之间的连接器，三是图像采集摄像机，智能摄像机系统连接在滚珠丝杠螺母上，并从上方观察主轴。由于KGT的运动方式是从旋转运动转化为平移运动，相机可以在旋转中拍摄到滚珠丝杠轴承主轴螺纹的整个表面，使用智能算法，评估磨损情况。
用于图像智能评估的智能算法由沃恩的计算机专业人员开发，基于卷积神经网络（即CNN，一种机器学习方法），系统首先从图像数据中提取图像特征，并使用人工神经网络（KNN）将其分类为有缺陷（点蚀）的图像数据和无缺陷（无点蚀）的图像。
该模型适用于可通过表面进行分析轴承损坏善的所有应用中，通过评估图像数据，可以快速获取整个主轴表面的磨损状态，该模型已经通过了几千张图像的训练，这些图像来自磨损的KGT主轴，由此区分有缺陷的图像数据和无缺陷的图像。图像数据尽可能再现现实中发生的所有情况，以确保尽可能广泛的可推广性，使用交叉验证方法和来自模型从未见过的新图像数据的测试数据集对模型进行验证。