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)ΥR別零件圖像中相關(guān)區(qū)域特征進行檢驗, 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)進行合理選擇。依據(jù)圖像對所獲得信息進行分析, 選擇特定預(yù)處理方法對圖像特征進行選擇。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。