探討圖像識(shí)別技術(shù)在機(jī)械零件質(zhì)量檢測中的運(yùn)用

劉 烜

（廣西農(nóng)業(yè)機(jī)械研究院，廣西 南寧530007）

0 前言

在傳統(tǒng)的機(jī)械零件的質(zhì)量檢測中，傳統(tǒng)人工檢測的方式，由于質(zhì)量檢查人員在長時(shí)間的工作狀態(tài)下，人眼容易疲勞，并且還有一些地方是人工檢查不到的地方，這樣就不能夠保證機(jī)械零件百分百的合格率。隨著經(jīng)濟(jì)與科技的快速發(fā)展，計(jì)算技術(shù)、信息技術(shù)以及自動(dòng)化技術(shù)被廣泛的開發(fā)和應(yīng)用在眾多領(lǐng)域中，其中圖像識(shí)別技術(shù)在機(jī)械零件質(zhì)量檢測中的運(yùn)用，有效的解決了傳統(tǒng)人工檢測的弊端，顯著的降低了質(zhì)量檢測人員的工作量，并且還提高了質(zhì)量檢測的質(zhì)量以及效率，提高了機(jī)械零件質(zhì)量檢測的自動(dòng)化水平。

1 圖像識(shí)別技術(shù)在機(jī)械零件質(zhì)量檢測中的應(yīng)用

1.1 機(jī)械零件質(zhì)量檢測中的圖像識(shí)別技術(shù)

機(jī)械零件質(zhì)量檢測中的圖像識(shí)別的技術(shù)有許多，其中主要包括以下幾個(gè)方面：

1.1.1 模板匹配識(shí)別技術(shù)

該種識(shí)別方法是最基本的一種識(shí)別技術(shù)，所謂模板指的是為了檢測待識(shí)別機(jī)械零件圖像的某些區(qū)域特征，以數(shù)字量或者符號(hào)串的形式形成矩陣，將已知物體的圖像與模板中所有的未知區(qū)域進(jìn)行比較，然后將某一個(gè)未知的物體和該模板進(jìn)行匹配，因此該物體將會(huì)被認(rèn)為是和模板相同的物體。模板匹配技術(shù)的操作非常簡單，但是有一定的限制，因?yàn)闉榱似ヅ渌形矬w的尺寸以及方向，就需要設(shè)置數(shù)量龐大的模板，在匹配的過程中需要設(shè)計(jì)和儲(chǔ)存大量的模板，這在經(jīng)濟(jì)上會(huì)造成一定的浪費(fèi)。

1.1.2 神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)

神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)指的是由大量的神經(jīng)單元（處理單元），通過某種特定的方式相互連接構(gòu)成的復(fù)雜神經(jīng)網(wǎng)絡(luò)系統(tǒng)，雖然單個(gè)神經(jīng)單元的結(jié)構(gòu)與功能相對(duì)簡單，但是由數(shù)量眾多的神經(jīng)單元組成的神經(jīng)網(wǎng)絡(luò)系統(tǒng)具備了復(fù)雜的結(jié)構(gòu)以及豐富多彩的功能，神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以看成是人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)的模擬、抽象以及簡化。神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)能夠模擬人的認(rèn)知和感知過程，具有分布式的自主學(xué)習(xí)和識(shí)別功能。神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)具有自適應(yīng)和自學(xué)習(xí)的能力、獨(dú)特的聯(lián)想記憶和組織能力、較強(qiáng)的榮測性以及大規(guī)模儲(chǔ)存和綜合優(yōu)化處理等能力，能夠適應(yīng)并處理需要同時(shí)考慮眾多條件和因素的問題。但是在實(shí)際的應(yīng)用過程中，神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)具有訓(xùn)練時(shí)間長、訓(xùn)練量大、收斂速度慢、識(shí)別精度低等方面的缺點(diǎn)。

1.1.3 統(tǒng)計(jì)識(shí)別技術(shù)

統(tǒng)計(jì)識(shí)別技術(shù)是對(duì)研究物體的圖像進(jìn)行大量的統(tǒng)計(jì)和分析，以此找出物體的規(guī)律以及反映物體本質(zhì)的圖像的特征來進(jìn)行圖像識(shí)別。統(tǒng)計(jì)識(shí)別技術(shù)以書序模型為基礎(chǔ)，是一種分類誤差非常小的識(shí)別技術(shù)。目前，最常用的統(tǒng)計(jì)識(shí)別模型包括馬爾科夫的隨機(jī)場模型以及貝葉斯模型，統(tǒng)計(jì)識(shí)別技術(shù)基于數(shù)據(jù)的基礎(chǔ)，在估算概率問題時(shí)受到一定的限制，當(dāng)圖像類別數(shù)較多、圖像非常復(fù)雜時(shí)，會(huì)導(dǎo)致圖像的特征數(shù)顯著的增加，增加了特征提取的難度，特別是統(tǒng)計(jì)識(shí)別技術(shù)在識(shí)別染色體、指紋等的主要特征時(shí)，其難度更大。

1.2 圖像識(shí)別技術(shù)在機(jī)械零件質(zhì)量檢測中的運(yùn)用

活塞銷是重要的機(jī)械零件，活塞銷在使用的過程中會(huì)產(chǎn)生各種形式的損壞，嚴(yán)重的營銷了該機(jī)械零件的使用性能，給生產(chǎn)帶來嚴(yán)重的安全隱患，因此，為了消除活塞銷的質(zhì)量問題，應(yīng)該對(duì)活塞銷進(jìn)行質(zhì)量檢測，文章以活塞銷為例，探析圖像識(shí)別技術(shù)在機(jī)械零件質(zhì)量檢測中的應(yīng)用。

1.2.1 圖像分析

圖像分析主要包括以下幾個(gè)方面：其一，二值化圖像處理，二值化圖像處理在計(jì)算機(jī)圖像處理中占據(jù)十分重要的地位，為了分析圖像的特性，通常將圖像中分析對(duì)象物分離出來，然后進(jìn)行對(duì)象物的二值化處理，通過二值化操作后，能夠從圖像中提出相應(yīng)的處理邊緣；其二，圖像分割，圖像分割采用的方法包括多門限法、間接門限法、直接門限法，利用門限算法能夠?qū)⒗帽尘皡^(qū)域與目標(biāo)區(qū)域在灰度方面的差異，將圖像進(jìn)行分割；其三，圖像邊緣檢測，圖像特征指的是圖像的原始屬性以及特征，其中主要包括文理特征、灰度邊沿特征、角點(diǎn)與線條特征、變換系數(shù)特征、直方圖特征以及幅度德政等，通過圖像邊緣檢測能夠很好額識(shí)別圖像邊緣的性能。

1.2.2 圖像識(shí)別

機(jī)械零件質(zhì)量檢測的圖像識(shí)別包括以兩個(gè)方面：首先，選擇特征參數(shù)，機(jī)械零件常見的質(zhì)量問題包括點(diǎn)蝕、不規(guī)則缺陷、長形缺陷、裂紋以及折斷等，因此在選擇特征參數(shù)時(shí)應(yīng)該根據(jù)具體的質(zhì)量問題選擇合適的特征參數(shù)，根據(jù)圖像分析獲得的信息，采用特定的預(yù)處理方法選擇圖像形狀特征，然后根據(jù)圖像的特征，將以下四個(gè)參數(shù)作為特征參數(shù)：（1）凹凸度（O），凹凸度O的計(jì)算公式表現(xiàn)為O=t/L，體重t是同向碼個(gè)數(shù)的最大值；（2）矩形度（V），矩形度V的計(jì)算公式表現(xiàn)為V=S/（W·H），其中S為檢測區(qū)域的面積；（3）圓度（C），圓度C的計(jì)算公式表現(xiàn)為：C=4·R·A/L2，其中L表示鏈的長度，A則表示圓形區(qū)域的面積；（4）伸長度（E），身長度E的計(jì)算公式表現(xiàn)為：E=min（W，H）/max（W，H），E的值越小，則圖形區(qū)域呈細(xì)長形，當(dāng)E=1時(shí)，圖形區(qū)域的為圓形；其次，特征提取，在進(jìn)行圖像的特征提取時(shí)，通常采用的方法為數(shù)學(xué)形態(tài)學(xué)，數(shù)據(jù)形態(tài)學(xué)獲取圖像特征信息的方法包括輪廓跟蹤法標(biāo)記圖像、標(biāo)號(hào)法標(biāo)記圖像、鏈碼法標(biāo)記圖像，其中輪廓跟蹤法標(biāo)記圖像是最常用的俄一種方法，首先對(duì)圖像點(diǎn)進(jìn)行檢測，然后再進(jìn)行跟蹤運(yùn)算，并不需要對(duì)所有的點(diǎn)都進(jìn)行復(fù)雜的運(yùn)算，僅僅只需要對(duì)，某些特定的點(diǎn)進(jìn)行檢測運(yùn)算，想要采用輪廓跟蹤法標(biāo)記圖像檢測和跟蹤，應(yīng)該注意以下幾個(gè)方面：（1）每次前進(jìn)一個(gè)像素的布距；（2）當(dāng)跨步從自由區(qū)域進(jìn)入到黑區(qū)時(shí)，應(yīng)該先左轉(zhuǎn)跨步，直到進(jìn)入到黑區(qū)為止；（3）當(dāng)跨步到黑區(qū)后，再向白區(qū)跨步，在各個(gè)跨步右轉(zhuǎn)，直至跨出白區(qū)為止，當(dāng)對(duì)象物循環(huán)一周之后回到起點(diǎn)，那么軌跡經(jīng)過的路徑就是對(duì)象物的輪廓。

2 結(jié)束語

機(jī)械零件在運(yùn)行的過程中受到各種因素的影響，不可避免的會(huì)出現(xiàn)一些裂縫、斷折、缺陷等問題，嚴(yán)重的影響了機(jī)械零件的運(yùn)行質(zhì)量和使用壽命，給正常生產(chǎn)埋下了嚴(yán)重的安全隱患。因此，為了防止機(jī)械零件在運(yùn)行的過程中不出現(xiàn)質(zhì)量問題，應(yīng)該定期或者不定期的對(duì)機(jī)械零件進(jìn)行質(zhì)量檢測，其中圖像識(shí)別技術(shù)是新興的一種檢測技術(shù)，具有精度高、準(zhǔn)確可靠、操作簡單等方面的優(yōu)點(diǎn)，能夠有效的解決傳統(tǒng)的人工質(zhì)量檢測效率低、勞動(dòng)強(qiáng)度高、準(zhǔn)確度低等方面的缺點(diǎn)。因此，值得將圖像識(shí)別技術(shù)廣泛的應(yīng)用在機(jī)械零件的質(zhì)量檢測中。

［1］白銳，杜京義.圖像識(shí)別技術(shù)在鋼管焊縫質(zhì)量檢測中的應(yīng)用[J].儀器儀表學(xué)報(bào)，2009,30（6）：700-701.

［2］曹志良.圖像處理技術(shù)在活塞銷缺陷檢測中的應(yīng)用[J].中國制造業(yè)信息化，2010,40（13）：59-62.

［3］董承全，顏勝才，陳輝，孟軍濤.圖像識(shí)別技術(shù)在基樁質(zhì)量檢測中的應(yīng)用研究[J].工程地球物理學(xué)報(bào)，2013，10（5）：736-738.

［4］王慧英.圖像識(shí)別技術(shù)在機(jī)械零件質(zhì)量檢測中的應(yīng)用[J].中國機(jī)械采購網(wǎng)，2008,1（3）：33-35.