探討圖像識別技術在機械零件質量檢測中的運用

劉 烜

（廣西農業(yè)機械研究院，廣西 南寧530007）

0 前言

在傳統的機械零件的質量檢測中，傳統人工檢測的方式，由于質量檢查人員在長時間的工作狀態(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械零件百分百的合格率。隨著經濟與科技的快速發(fā)展，計算技術、信息技術以及自動化技術被廣泛的開發(fā)和應用在眾多領域中，其中圖像識別技術在機械零件質量檢測中的運用，有效的解決了傳統人工檢測的弊端，顯著的降低了質量檢測人員的工作量，并且還提高了質量檢測的質量以及效率，提高了機械零件質量檢測的自動化水平。

1 圖像識別技術在機械零件質量檢測中的應用

1.1 機械零件質量檢測中的圖像識別技術

機械零件質量檢測中的圖像識別的技術有許多，其中主要包括以下幾個方面：

1.1.1 模板匹配識別技術

該種識別方法是最基本的一種識別技術，所謂模板指的是為了檢測待識別機械零件圖像的某些區(qū)域特征，以數字量或者符號串的形式形成矩陣，將已知物體的圖像與模板中所有的未知區(qū)域進行比較，然后將某一個未知的物體和該模板進行匹配，因此該物體將會被認為是和模板相同的物體。模板匹配技術的操作非常簡單，但是有一定的限制，因為為了匹配所有物體的尺寸以及方向，就需要設置數量龐大的模板，在匹配的過程中需要設計和儲存大量的模板，這在經濟上會造成一定的浪費。

1.1.2 神經網絡識別技術

神經網絡識別技術指的是由大量的神經單元（處理單元），通過某種特定的方式相互連接構成的復雜神經網絡系統，雖然單個神經單元的結構與功能相對簡單，但是由數量眾多的神經單元組成的神經網絡系統具備了復雜的結構以及豐富多彩的功能，神經網絡系統可以看成是人腦神經網絡系統的模擬、抽象以及簡化。神經網絡識別技術能夠模擬人的認知和感知過程，具有分布式的自主學習和識別功能。神經網絡識別技術具有自適應和自學習的能力、獨特的聯想記憶和組織能力、較強的榮測性以及大規(guī)模儲存和綜合優(yōu)化處理等能力，能夠適應并處理需要同時考慮眾多條件和因素的問題。但是在實際的應用過程中，神經網絡識別技術具有訓練時間長、訓練量大、收斂速度慢、識別精度低等方面的缺點。

1.1.3 統計識別技術

統計識別技術是對研究物體的圖像進行大量的統計和分析，以此找出物體的規(guī)律以及反映物體本質的圖像的特征來進行圖像識別。統計識別技術以書序模型為基礎，是一種分類誤差非常小的識別技術。目前，最常用的統計識別模型包括馬爾科夫的隨機場模型以及貝葉斯模型，統計識別技術基于數據的基礎，在估算概率問題時受到一定的限制，當圖像類別數較多、圖像非常復雜時，會導致圖像的特征數顯著的增加，增加了特征提取的難度，特別是統計識別技術在識別染色體、指紋等的主要特征時，其難度更大。

1.2 圖像識別技術在機械零件質量檢測中的運用

活塞銷是重要的機械零件，活塞銷在使用的過程中會產生各種形式的損壞，嚴重的營銷了該機械零件的使用性能，給生產帶來嚴重的安全隱患，因此，為了消除活塞銷的質量問題，應該對活塞銷進行質量檢測，文章以活塞銷為例，探析圖像識別技術在機械零件質量檢測中的應用。

1.2.1 圖像分析

圖像分析主要包括以下幾個方面：其一，二值化圖像處理，二值化圖像處理在計算機圖像處理中占據十分重要的地位，為了分析圖像的特性，通常將圖像中分析對象物分離出來，然后進行對象物的二值化處理，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，利用門限算法能夠將利用背景區(qū)域與目標區(qū)域在灰度方面的差異，將圖像進行分割；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、角點與線條特征、變換系數特征、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別圖像邊緣的性能。

1.2.2 圖像識別

機械零件質量檢測的圖像識別包括以兩個方面：首先，選擇特征參數，機械零件常見的質量問題包括點蝕、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時應該根據具體的質量問題選擇合適的特征參數，根據圖像分析獲得的信息，采用特定的預處理方法選擇圖像形狀特征，然后根據圖像的特征，將以下四個參數作為特征參數：（1）凹凸度（O），凹凸度O的計算公式表現為O=t/L，體重t是同向碼個數的最大值；（2）矩形度（V），矩形度V的計算公式表現為V=S/（W·H），其中S為檢測區(qū)域的面積；（3）圓度（C），圓度C的計算公式表現為：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的計算公式表現為：E=min（W，H）/max（W，H），E的值越小，則圖形區(qū)域呈細長形，當E=1時，圖形區(qū)域的為圓形；其次，特征提取，在進行圖像的特征提取時，通常采用的方法為數學形態(tài)學，數據形態(tài)學獲取圖像特征信息的方法包括輪廓跟蹤法標記圖像、標號法標記圖像、鏈碼法標記圖像，其中輪廓跟蹤法標記圖像是最常用的俄一種方法，首先對圖像點進行檢測，然后再進行跟蹤運算，并不需要對所有的點都進行復雜的運算，僅僅只需要對，某些特定的點進行檢測運算，想要采用輪廓跟蹤法標記圖像檢測和跟蹤，應該注意以下幾個方面：（1）每次前進一個像素的布距；（2）當跨步從自由區(qū)域進入到黑區(qū)時，應該先左轉跨步，直到進入到黑區(qū)為止；（3）當跨步到黑區(qū)后，再向白區(qū)跨步，在各個跨步右轉，直至跨出白區(qū)為止，當對象物循環(huán)一周之后回到起點，那么軌跡經過的路徑就是對象物的輪廓。

2 結束語

機械零件在運行的過程中受到各種因素的影響，不可避免的會出現一些裂縫、斷折、缺陷等問題，嚴重的影響了機械零件的運行質量和使用壽命，給正常生產埋下了嚴重的安全隱患。因此，為了防止機械零件在運行的過程中不出現質量問題，應該定期或者不定期的對機械零件進行質量檢測，其中圖像識別技術是新興的一種檢測技術，具有精度高、準確可靠、操作簡單等方面的優(yōu)點，能夠有效的解決傳統的人工質量檢測效率低、勞動強度高、準確度低等方面的缺點。因此，值得將圖像識別技術廣泛的應用在機械零件的質量檢測中。

［1］白銳，杜京義.圖像識別技術在鋼管焊縫質量檢測中的應用[J].儀器儀表學報，2009,30（6）：700-701.

［2］曹志良.圖像處理技術在活塞銷缺陷檢測中的應用[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.圖像識別技術在基樁質量檢測中的應用研究[J].工程地球物理學報，2013，10（5）：736-738.

［4］王慧英.圖像識別技術在機械零件質量檢測中的應用[J].中國機械采購網，2008,1（3）：33-35.