圖像設別在機械零件質(zhì)量檢測中的運用論文

圖像設別在機械零件質(zhì)量檢測中的運用論文

　　摘要：在機械零件生產(chǎn)過(guò)程中， 機械零件質(zhì)量檢測屬于十分重要的一項內容， 在保證零件質(zhì)量方面具有重要作用及意義。在機械零件質(zhì)量檢測過(guò)程中， 為能夠得到更加理想的檢測效果， 可對圖像識別技術(shù)進(jìn)行科學(xué)合理應用， 從而使機械零件質(zhì)量檢測水平及質(zhì)量得以有效提升， 為更好開(kāi)展機械零件質(zhì)量檢測工作奠定較好的基礎， 提供更好技術(shù)支持。

　　關(guān)鍵詞：機械零件； 質(zhì)量檢測； 圖像識別技術(shù)； 應用；

　　隨著(zhù)現代社會(huì )不斷發(fā)展， 在機械零件生產(chǎn)中對于零件質(zhì)量也有著(zhù)越來(lái)越高的要求， 因而更好保證機械零件質(zhì)量十分必要。在目前機械零件質(zhì)量檢測中， 為能夠得到更加理想的效果， 應當對現代檢測技術(shù)進(jìn)行科學(xué)合理應用， 而圖像識別技術(shù)就是其中比較重要的一種。所以， 相關(guān)操作人員應較好掌握該技術(shù)， 并且在實(shí)際零件檢測中對其進(jìn)行合理應用， 從而保證零件質(zhì)量檢測取得更好效果。

　　1 機械零件質(zhì)量檢測中相關(guān)圖像識別技術(shù)

　　1.1 模糊匹配識別技術(shù)

　　這種識別方法屬于一種最基礎的識別技術(shù)， 而其中所應用的模板所指的就是為能夠對待識別零件圖像中相關(guān)區域特征進(jìn)行檢驗， 通過(guò)數字量形式或符號串形式使矩陣得以形成， 選擇已知物體圖像， 將其與模板中全部未知區域實(shí)行比較， 在此基礎上將某未知為題與該模板實(shí)行匹配， 因而該物體也就會(huì )被當作與模板相同有關(guān)物體。對于模板匹配技術(shù)而言， 其操作比較簡(jiǎn)單， 然而在實(shí)際應用過(guò)程中有一定限制存在， 這主要是由于為能夠與所有物體在尺寸及方向方面進(jìn)行匹配， 需要放置數量較多的相關(guān)模板， 在實(shí)際匹配過(guò)程中需要對大量模板實(shí)行設計及儲存， 從而也就會(huì )導致一定經(jīng)濟浪費。

　　1.2 神經(jīng)網(wǎng)絡(luò )識別技術(shù)

　　對于神經(jīng)網(wǎng)絡(luò )識別技術(shù)而言， 其所指的就是通過(guò)偶某種特定方式， 使大量神經(jīng)單元實(shí)現相互連接， 從而使復雜神經(jīng)網(wǎng)絡(luò )系統得以構成， 雖然單個(gè)神經(jīng)單元所具備功能及結構相對比較簡(jiǎn)單， 然而由多個(gè)不同神經(jīng)單元所組成神經(jīng)網(wǎng)絡(luò )系統的結構比較復雜， 并且具有比較豐富的功能， 可將其當作對人腦神經(jīng)網(wǎng)絡(luò )系統實(shí)行模擬、抽象及簡(jiǎn)化。對于該技術(shù)而言， 其能夠對人的認知過(guò)程及感知過(guò)程進(jìn)行模擬， 具備分布式自主學(xué)習能力以及識別能力， 對于需同時(shí)考慮各種不同條件及因素的相關(guān)問(wèn)題， 可較好適應， 并且較好進(jìn)行處理。但神經(jīng)網(wǎng)絡(luò )識別技術(shù)的缺點(diǎn)就是訓練時(shí)間比較長(cháng)， 訓練量比較大， 并且收斂精度比較慢， 同時(shí)識別精度較低等。

　　2 機械零件質(zhì)量檢測中圖像識別技術(shù)的應用

　　2.1 圖像分析

　　在圖像分析方面， 其所包括的內容主要有以下幾點(diǎn)：第一， 二值化圖像處理， 這一點(diǎn)在計算機圖像處理中占據重要地位， 為能夠對圖像特性進(jìn)行較好分析， 通常情況下需要分離圖像中相關(guān)分析對象， 而后二值化處理對象物， 經(jīng)過(guò)二值化操作， 可將相應處理邊緣由圖像中提出。第二， 圖像分割， 在圖像分割方面所選擇的方法較多， 主要有多門(mén)限法、直接門(mén)限法及間接門(mén)限法， 通過(guò)對門(mén)限算法進(jìn)行利用， 可依據在灰度方面背景區域及目標區域存在差異， 對圖像實(shí)行分割。第三， 圖像邊緣檢測， 對于圖像特征而言， 其所指的就是圖像影視屬性以及特征， 其所包括內容主要為灰度邊緣特征、文理特征以及角點(diǎn)與線(xiàn)條特征， 還包括變換系數特征、幅度特征等相關(guān)內容， 利用圖像邊緣檢測， 可對圖像邊緣性能較好識別。

　　2.2 圖像識別

　　在機械零件質(zhì)量檢測中， 對于圖像識別而言， 其主要包括兩個(gè)方面內容。首先， 對特征參數進(jìn)行科學(xué)合理選擇， 機械零件中較常見(jiàn)質(zhì)量問(wèn)題主要就是不規則缺陷、點(diǎn)蝕、長(cháng)形缺陷及折斷與裂紋等。因而在對特征參數進(jìn)行選擇過(guò)程中， 應當依據具體質(zhì)量問(wèn)題對適當特征參數進(jìn)行合理選擇。依據圖像對所獲得信息進(jìn)行分析， 選擇特定預處理方法對圖像特征進(jìn)行選擇。在此基礎上依據圖像特征， 選擇以下四個(gè)方面參數當作特征參數， 分別為凹凸度、矩形度以及圓度與伸長(cháng)度等。其中凹凸度的計算公式為t/L, t表示同向碼個(gè)數最大值；矩形度計算公式為S/ （W·H） , 其中S表示檢測區域面積；圓度計算公式為4·R·A/L2, 其中L為鏈長(cháng)度， A表示圓形區域編輯；伸長(cháng)度計算公式為min （W, H） /max （W, H） , E值越小， 則表示圖形區域月呈現為細長(cháng)形， 在E值為1的情況下， 圖形區域表示為圓形。其次， 特征提取， 在提取圖像特征時(shí)， 通常情況下所選擇方法就是數學(xué)形態(tài)學(xué)。在獲取圖像特征信息方面， 所應用數據形態(tài)學(xué)方法主要包括標號法、輪廓跟蹤法以及鏈碼法， 其中比較常用的就是輪廓跟蹤法。首先需要監測圖像點(diǎn)， 在此基礎上實(shí)行跟蹤運算， 且不必對所有點(diǎn)實(shí)行復雜運算， 只需要檢測運算某些特字鞥點(diǎn)。在利用輪廓法對圖像進(jìn)行檢測及跟蹤過(guò)程中， 應當對以下幾個(gè)方面加強注意；其一， 每次前進(jìn)布距應當控制在一個(gè)像素；其二， 在由自由區域相黑區跨步時(shí)， 應當先向左轉跨步， 一直到跨出白區為止；其三， 在跨步到黑區之后， 再次向白區進(jìn)行跨步， 應當注意向右轉跨步， 一直到由白區跨出。在對象物進(jìn)行一周循環(huán)之后， 使其返回到起點(diǎn)， 則這一軌跡所經(jīng)過(guò)路線(xiàn)即為對對象物輪廓。

　　3 結語(yǔ)

　　機械零件質(zhì)量檢測是當前機械零件生產(chǎn)中一項重要任務(wù)及內容， 也是保證機械零件質(zhì)量的重要方法， 因而較好開(kāi)展機械零件質(zhì)量檢測也就十分必要。在當前機械零件質(zhì)量檢測中， 通過(guò)對圖像識別技術(shù)進(jìn)行較好應用， 可使機械零件質(zhì)量檢測水平及效果得以有效提升。所以， 在機械零件質(zhì)量檢測過(guò)程中， 相關(guān)檢測技術(shù)人員應當將圖像識別技術(shù)較好掌握， 并且應當對該技術(shù)進(jìn)行科學(xué)合理應用， 保證圖像識別技術(shù)發(fā)揮更好作用及功能， 促使機械零件質(zhì)量檢測效果得以增強， 以更好保證機械零件質(zhì)量。

　　參考文獻

　　[1]劉烜。探討圖像識別技術(shù)在機械零件質(zhì)量檢測中的運用[J].科技視界， 2014 （23） :120.

　　[2]李彩花， 胡曉平， 張金波。圖像處理技術(shù)在零件質(zhì)檢工作中的應用研究[J].現代電子技術(shù)， 2010, 33 （04） :61-63.

　　[3]王慧英。圖像識別技術(shù)在機械零件質(zhì)量檢測中的應用[J].現代機械， 2008 （01） :33-35.

　　[4]田媛�；�于圖像識別技術(shù)的裝配件的動(dòng)態(tài)檢測研究[D].吉林大學(xué)， 2005.