機械零件應用圖像識別技術的質量檢測方法研究

孔祥俊 內蒙古工業大學

機械零件應用圖像識別技術的質量檢測方法研究

孔祥俊 內蒙古工業大學

機械零件質量檢測圖像識別技術，是指通過采集機械零件缺陷部分的數字成像，運用計算機識別技術對圖像進行預處理，分析圖像特征并加以提取，進而判斷機械零件是否存在質量缺陷一種技術方法。圖像識別技術使產品質量監控和故障診斷不再困難，由此，本文對機械零件應用圖像識別技術的質量檢測方法進行研究。

圖像識別 質量 檢測方法

1 圖像識別技術的基本模式

若要進行圖像識別，首先應對收集的圖像進行預處理。在計算機圖像處理過程中，包括圖像壓縮、增強、編碼、分割與復原等步驟。在某些條件下，圖像識別與處理需要同時進行。二者相輔相成，不可分。一般在傳統圖像處理過程中，輸入與輸出都應是圖像這種成像方式；而在圖像識別中輸入的是已經被處理過的圖像，輸出的是圖像結構與類別的一種分析樣式，具體過程如圖1所示：

圖1

從圖1可知，圖像識別過程，是對圖像進行描述與分類的過程。在識別之前，應先將圖像中的物體進行檢測并分離，提取物體各組成部分的紋理特征與形狀，即對原始圖像特征進行提取。在此應用過程中，對圖像的處理也是必須的一個環節。隨后利用識別技術，將提取的圖像樣本與特征進行對比，進而將其分類，得到整體圖像結構與樣式。一般而言，輸入一個或多個物體圖像時，計算機識別過程分為3階段，具體如圖2：

圖2

從上圖2可知，第一階段，對物體分離或對圖像的分割過程，就要將各物體圖像與背景進行分離。第二階段，則是一個圖像特征抽取階段，對物體進行度量。度量與抽取特征是計算機圖像識別技術中的兩個重要變量。其中，物體中某個具有可度量性質的像素謂之度量；對物體某些重要特征進行度量估算則是計算特征的概念。同時，將這些特征按一定規則組織起來，形成的固定向量。這種大幅度減少的信息為后續決策，提供了有力證據。第三階段，則是對圖像的識別與分類。其輸出表現為將每個物體確定為應歸屬類別。

2 機械零件應用圖像識別技術的質量檢測方法

從理論角度細分，機械圖像識別方法分為決策理論法、結構法與幾何變換法等。具體內容如下。

2.1 決策理論法

此方法是對機械圖像進行大量統計并分析，以此找到一定規律并加以對圖像特征識別。它是以數學中的統計決策理論為基礎，所構建的圖像識別模型。因而，在某種意義上，該方法是分類誤差的最小方法。其中，具體圖像統計模型分為兩種，即馬爾科夫、貝葉斯等模型。然而，常用的貝葉斯決策規則從理論上解決了部分分類器的設計疑問，但在更多程度上收到了限制。同時，統計方法過于嚴密的數學基礎，卻忽視了識別圖像的例題空間結構關系。當機械零件圖像較為復雜時，部分零部件圖像特征數量將會大幅度激增，為特征提取帶來極大的挑戰，這就導致機械零件圖像分類更加難以實現。特別是機械零部件圖像主要特征為結構特征，此時統計法很難做出識別，就要用到以下的方法。

2.2 結構法

此法是統計識別方法的一類補充，在統計法的運用中，圖像的特征是以數值特征的表述顯示的。而結構法是用符號來對圖像特征進行表述，并運用語言雪中的句法層次結構，并使用最新的層次分析方式，將復雜的機械零部件圖像逐步分解，以此形成多層、單層的相對簡答的子圖像。這種方法是對機械零部件空間結構關系信息的一種表述。如果認為統計方法是機械圖像識別的基礎，那么結構方法對這種模式識別方式的擴充。其優勢在于，不僅可對機械零部件圖像進行大量優化，還可以對實際物體結構進行識別與分析。然而，缺陷在于，結構法在較大噪聲干擾的環境下，所抽取的圖像識別較為困難，誤判率較高，導致分類識別精度和可靠度大大降低。

2.3 典型的幾何變換方法

幾何變換法主要有霍夫變換。霍夫變換是將圖像中快速分離出的某種形狀（矩形、圓、直線等）匹配而進行的變換，并通過此種方式將圖像中確定曲線上的所有點變換到霍夫空間，進而形成對用的峰點。以此種方式，就會將確定形狀的線條監測變換成了霍夫空間中對應峰點的檢測，時一種魯棒性很強的應用于缺損形狀檢測的一種方式。改進的霍夫算法，如快速或隨機的霍夫變換，以及自適應的霍夫變換，都是為提高各缺損形狀的計算效率而提出的。上世紀90年代而提出的隨機霍夫變換便是一種精巧的變換算法，它最突出的特點便是，能在有效降低內存容量及計算量的基礎上，提升了運算的效率，同時還可在有限的變幻空間內，獲得更高級的網絡分辨率。

3 小結

綜述可知，對計算機圖像識別技術的認知，可從圖像到識別、處理基本理論出發，并就常用圖像識別方法進行比較。其具有的優勢特征與運用原理，對具體機械零件圖像識別時，可以選擇更多的圖像識別方式，提升圖像信息的質量，以此不斷提升機械零件缺陷的監測與識別率，進而拓寬應用范圍。本研究在機械零件質檢中，具有一定的實用價值，應再進行深入探討和推廣。

[1]郭聿荃.基于機器視覺的機械零件識別技術研究[D].吉林大學，2016

[2]張叢.基于機器視覺的機械零件的識別研究[D].天津職業技術師范大學，2015

[3]熊超.模式識別理論及其應用綜述[J].中國科技信息，2006(6)