方強

摘 要：在機械零件生產(chǎn)過程中，機械零件質(zhì)量檢測屬于十分重要的一項內(nèi)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(yīng)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，為更好開展機械零件質(zhì)量檢測工作奠定較好的基礎(chǔ)，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(yīng)用

DOI：10.16640/j.cnki.37-1222/t.2018.07.003

隨著現(xiàn)代社會不斷發(fā)展，在機械零件生產(chǎn)中對于零件質(zhì)量也有著越來越高的要求，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(yīng)當(dāng)對現(xiàn)代檢測技術(shù)進(jìn)行科學(xué)合理應(yīng)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(yīng)較好掌握該技術(shù)，并且在實際零件檢測中對其進(jìn)行合理應(yīng)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(chǔ)的識別技術(shù)，而其中所應(yīng)用的模板所指的就是為能夠?qū)ΥR別零件圖像中相關(guān)區(qū)域特征進(jìn)行檢驗，通過數(shù)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(qū)域?qū)嵭斜容^，在此基礎(chǔ)上將某未知為題與該模板實行匹配，因而該物體也就會被當(dāng)作與模板相同有關(guān)物體。對于模板匹配技術(shù)而言，其操作比較簡單，然而在實際應(yīng)用過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(shù)量較多的相關(guān)模板，在實際匹配過程中需要對大量模板實行設(shè)計及儲存，從而也就會導(dǎo)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，其所指的就是通過偶某種特定方式，使大量神經(jīng)單元實現(xiàn)相互連接，從而使復(fù)雜神經(jīng)網(wǎng)絡(luò)系統(tǒng)得以構(gòu)成，雖然單個神經(jīng)單元所具備功能及結(jié)構(gòu)相對比較簡單，然而由多個不同神經(jīng)單元所組成神經(jīng)網(wǎng)絡(luò)系統(tǒng)的結(jié)構(gòu)比較復(fù)雜，并且具有比較豐富的功能，可將其當(dāng)作對人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)實行模擬、抽象及簡化。對于該技術(shù)而言，其能夠?qū)θ说恼J(rèn)知過程及感知過程進(jìn)行模擬，具備分布式自主學(xué)習(xí)能力以及識別能力，對于需同時考慮各種不同條件及因素的相關(guān)問題，可較好適應(yīng)，并且較好進(jìn)行處理。但神經(jīng)網(wǎng)絡(luò)識別技術(shù)的缺點就是訓(xùn)練時間比較長，訓(xùn)練量比較大，并且收斂精度比較慢，同時識別精度較低等。

2 機械零件質(zhì)量檢測中圖像識別技術(shù)的應(yīng)用

2.1 圖像分析

在圖像分析方面，其所包括的內(nèi)容主要有以下幾點：第一，二值化圖像處理，這一點在計算機圖像處理中占據(jù)重要地位，為能夠?qū)D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)過二值化操作，可將相應(yīng)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，主要有多門限法、直接門限法及間接門限法，通過對門限算法進(jìn)行利用，可依據(jù)在灰度方面背景區(qū)域及目標(biāo)區(qū)域存在差異，對圖像實行分割。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(nèi)容主要為灰度邊緣特征、文理特征以及角點與線條特征，還包括變換系數(shù)特征、幅度特征等相關(guān)內(nèi)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，其主要包括兩個方面內(nèi)容。首先，對特征參數(shù)進(jìn)行科學(xué)合理選擇，機械零件中較常見質(zhì)量問題主要就是不規(guī)則缺陷、點蝕、長形缺陷及折斷與裂紋等。因而在對特征參數(shù)進(jìn)行選擇過程中，應(yīng)當(dāng)依據(jù)具體質(zhì)量問題對適當(dāng)特征參數(shù)進(jìn)行合理選擇。依據(jù)圖像對所獲得信息進(jìn)行分析，選擇特定預(yù)處理方法對圖像特征進(jìn)行選擇。在此基礎(chǔ)上依據(jù)圖像特征，選擇以下四個方面參數(shù)當(dāng)作特征參數(shù)，分別為凹凸度、矩形度以及圓度與伸長度等。其中凹凸度的計算公式為t/L，t表示同向碼個數(shù)最大值；矩形度計算公式為S/（W·H），其中S表示檢測區(qū)域面積；圓度計算公式為4·R·A/L2，其中L為鏈長度，A表示圓形區(qū)域編輯；伸長度計算公式為min（W，H）/max（W，H），E值越小，則表示圖形區(qū)域月呈現(xiàn)為細(xì)長形，在E值為1的情況下，圖形區(qū)域表示為圓形。其次，特征提取，在提取圖像特征時，通常情況下所選擇方法就是數(shù)學(xué)形態(tài)學(xué)。在獲取圖像特征信息方面，所應(yīng)用數(shù)據(jù)形態(tài)學(xué)方法主要包括標(biāo)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(jiān)測圖像點，在此基礎(chǔ)上實行跟蹤運算，且不必對所有點實行復(fù)雜運算，只需要檢測運算某些特字鞥點。在利用輪廓法對圖像進(jìn)行檢測及跟蹤過程中，應(yīng)當(dāng)對以下幾個方面加強注意；其一，每次前進(jìn)布距應(yīng)當(dāng)控制在一個像素；其二，在由自由區(qū)域相黑區(qū)跨步時，應(yīng)當(dāng)先向左轉(zhuǎn)跨步，一直到跨出白區(qū)為止；其三，在跨步到黑區(qū)之后，再次向白區(qū)進(jìn)行跨步，應(yīng)當(dāng)注意向右轉(zhuǎn)跨步，一直到由白區(qū)跨出。在對象物進(jìn)行一周循環(huán)之后，使其返回到起點，則這一軌跡所經(jīng)過路線即為對對象物輪廓。

3 結(jié)語

機械零件質(zhì)量檢測是當(dāng)前機械零件生產(chǎn)中一項重要任務(wù)及內(nèi)容，也是保證機械零件質(zhì)量的重要方法，因而較好開展機械零件質(zhì)量檢測也就十分必要。在當(dāng)前機械零件質(zhì)量檢測中，通過對圖像識別技術(shù)進(jìn)行較好應(yīng)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)量檢測過程中，相關(guān)檢測技術(shù)人員應(yīng)當(dāng)將圖像識別技術(shù)較好掌握，并且應(yīng)當(dāng)對該技術(shù)進(jìn)行科學(xué)合理應(yīng)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(xiàn)：

[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(yīng)用研究[J].現(xiàn)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(yīng)用[J].現(xiàn)代機械，2008（01）：33-35.

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