圖像識別在發(fā)動機(jī)加工裝配過程中的應(yīng)用研究

1 引言

隨著我國科技和工業(yè)水平的不斷提升，打造基于人工智能及大數(shù)據(jù)的智能制造車間是發(fā)展的必然；在加工制造過程中引入自動化生產(chǎn)，可以實現(xiàn)機(jī)器作業(yè)代替人工操作，解放生產(chǎn)力的同時還能夠一定程度上的保證安全性。盡管目前的加工車間已經(jīng)采取了“機(jī)器為主，人工為輔”的加工生產(chǎn)策略，但加工過程的各個階段仍較為依賴人工識別和判斷，其中最主要的原因是傳統(tǒng)的加工車間沒有引入有效的圖像識別系統(tǒng)，無法對工件及各加工工序狀態(tài)進(jìn)行有效的分類識別。因此，對全流程的加工過程進(jìn)行設(shè)計或引入具有統(tǒng)一性或高度集成化的圖像識別系統(tǒng)是打造智能制造生產(chǎn)車間的關(guān)鍵。

計算機(jī)圖像處理與識別技術(shù)(圖像識別技術(shù))作為一種先進(jìn)的科學(xué)技術(shù)，主要應(yīng)用于計算機(jī)信息數(shù)據(jù)的處理。它具有處理速度快、精度高、靈活性好等優(yōu)點，可以提高計算機(jī)信息數(shù)據(jù)處理和識別的工作效率。經(jīng)過多年的研究和應(yīng)用發(fā)展，圖像識別技術(shù)現(xiàn)已應(yīng)用于智能交通、有色金屬制造、醫(yī)療、刑事偵查等多個領(lǐng)域，并取得了良好的應(yīng)用效果

。本文就目前圖像識別技術(shù)在生產(chǎn)加工方面的研究和應(yīng)用情況進(jìn)行分析和介紹，以期為后續(xù)的工廠改造及現(xiàn)代化工廠的建設(shè)提供參考。此外，根據(jù)圖像識別技術(shù)的研究現(xiàn)狀，對其在加工車間的應(yīng)用情況進(jìn)行分析與展望，進(jìn)而為工廠的發(fā)展提供新的參考與思路。

2 圖像識別技術(shù)簡介及研究現(xiàn)狀

從目前現(xiàn)有的信息技術(shù)水平分析，計算機(jī)圖像識別技術(shù)實際上可以看作是圖像處理和識別的結(jié)合，利用計算機(jī)技術(shù)將獲得的圖像轉(zhuǎn)換為具體的數(shù)字信息，通過計算機(jī)識別圖像的關(guān)鍵特征，包括圖像的大小、方向、顏色、整體形狀和局部形狀特征等，并將其存儲在圖像庫中。當(dāng)再次遇到類似的圖像時，將與圖像庫中的內(nèi)容進(jìn)行比較，若結(jié)果一致，則整個圖像的圖像識別過程就完成了。

研究區(qū)平面斷裂組合以3種形式存在：其一，古生界為一條主要大斷裂，中生界為分段錯裂，左行雁行式排列，控制潛山發(fā)育和洼陷沉積，近東西向組合，分布于埕島南部和樁西南部，對油氣運(yùn)移及成藏起重要作用；其二，古近紀(jì)和新近紀(jì)發(fā)育右行走滑斷層，斷距兩端小而中間大，右行雁列式排列，北東向組合，分布于埕島、樁西以東，主要起控制油氣的輸導(dǎo)和成藏的作用；其三，中生代的左行走滑斷層，深切潛山形成潛山圈閉，正向構(gòu)造軸線受斷層線控制，北西向組合，主要分布于埕島、樁西兩個潛山主體部位。

圖像識別技術(shù)的主要過程如圖1所示。其中特征提取作為圖像識別技術(shù)最基本、也是最重要的過程，一直以來都被認(rèn)為是圖像識別技術(shù)的核心。特征提取的主要目標(biāo)是提取一組可能維數(shù)最小的特征，用最小的特征達(dá)到最大的識別率，并對各種相同的符號實例生成相似的特征集，即盡量使用小尺寸特征來達(dá)到圖像識別的目的

。

圖像識別大致經(jīng)歷了三個階段：文字識別、數(shù)字圖像處理與識別、物體識別。一個圖像識別系統(tǒng)一般包括圖像信息的獲取、圖像的預(yù)處理、特征提取以及判別與分類四個部分。根據(jù)模式特征選擇以及判別決策方法的不同可將圖像模式識別方法分為：結(jié)構(gòu)模式識別方法和統(tǒng)計模式(決策理論)識別方法。此外，近些年隨著對模式識別技術(shù)研究的進(jìn)一步深入，模糊模式識別方法和神經(jīng)網(wǎng)絡(luò)模式識別方法也開始得到廣泛的應(yīng)用。

2.1 結(jié)構(gòu)模式識別

模糊模式識別優(yōu)點在于用隸屬度函數(shù)作為樣品與模塊間相似程度的度量，可能反映它們整體的與主要的特性，從而允許樣品有相當(dāng)程度的干擾與畸變。所存缺點是難以建立準(zhǔn)確合理的隸屬度函數(shù)，因而限制了該方法的應(yīng)用。

(3)神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)的能力。

大同市二輕局有位退休老干部，知道李建明收藏，分文不取，送他一枚直徑十厘米、上有“一定要解放臺灣”字樣的毛主席像章。最難忘的一件事，李建明說，是2002年左右那次去哈爾濱出差。走時給鐵嶺的一位毛主席像章收藏者，帶了一尊大同市煤矸石雕刻的毛主席像。辦完事兒，他給對方去電，說是將禮物放在那個單位，對方有時間了來拿。不想對方盛情邀請，你都大老遠(yuǎn)從山西過來了，不差這一點兒時間，過來吧，過來吧。雪天，路滑，趕到時已是傍晚了。一桌子豐盛的飯菜，冒著熱氣。對方是個工藝師，臨走時送了李建明用猛犸象牙、黃楊木雕刻以及泥塑的毛主席像一套?；貋砗?，他過意不去，又給對方寄去一些毛主席像章。

2.2 統(tǒng)計模式識別

統(tǒng)計模式識別也被稱為決策理論識別。它主要利用貝葉斯決策規(guī)則解決最優(yōu)分類器問題，是一種分類誤差最小的方法。其基本思想是：首先對被研究對象進(jìn)行大量的統(tǒng)計分析，找出規(guī)律性認(rèn)識，然后利用各類概率密度函數(shù)、后驗概率選取反映圖像本質(zhì)的特征進(jìn)行分類識別。統(tǒng)計模式識別主要包括兩種操作模型：訓(xùn)練和分類。訓(xùn)練模式中，預(yù)處理模塊負(fù)責(zé)將感興趣的特征從背景中分割出來、去除噪聲以及進(jìn)行其它操作；特征選取模塊主要負(fù)責(zé)找到合適的特征來表示輸入模式；分類器負(fù)責(zé)訓(xùn)練分割特征空間。在分類模式中，被訓(xùn)練好的分類器將輸入模式根據(jù)測量的特征分配到某個指定的類。

目前3D圖像識別技術(shù)在加工過程中的應(yīng)用仍較為有限，主要原因在于規(guī)模較小的加工車間無需引入該系統(tǒng)就能人為對工況工件進(jìn)行較好的檢測及監(jiān)控效果；而在大規(guī)模的加工車間中全方位的引入該系統(tǒng)的成本將是十分巨大的。但3D模式識別技術(shù)可以減少人工的失誤并能夠進(jìn)行實時的監(jiān)督和檢測，將很大程度上提高工作效率和工廠的自動化程度，未來將得到進(jìn)一步的發(fā)展。

2.3 模糊模式識別

模糊模式識別的理論源于模糊數(shù)學(xué)，它根據(jù)人對事物識別的思維邏輯，結(jié)合人類大腦識別事物的特點，將計算機(jī)中常用的二值邏輯轉(zhuǎn)向連續(xù)邏輯。在圖像識別領(lǐng)域應(yīng)用上，該方法可以簡化圖像識別系統(tǒng)，并具有實用、可靠等特點。

結(jié)構(gòu)模式由模式基元組合表示，利用模式的結(jié)構(gòu)與語言之間相似性的方式進(jìn)行分析，即依據(jù)給定的一組規(guī)則來分析模式的結(jié)構(gòu)。結(jié)構(gòu)模式識別主要分為識別部分和分析部分，其中識別部分由預(yù)處理、基元提取和結(jié)構(gòu)分析組成，而分析部分包括基元選擇和文法推斷。除了分類信息外，該方法還能給出模式的結(jié)構(gòu)信息，它為模式識別提供了用簡單的、有限的模式基元和文法規(guī)則的有限集來描述一個復(fù)雜模式大(可能是無限的)集合的可能性。

2.4 神經(jīng)網(wǎng)絡(luò)模式識別

神經(jīng)網(wǎng)絡(luò)模式識別是一種新興的識別算法，指用神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行識別。神經(jīng)網(wǎng)絡(luò)是由大量簡單的神經(jīng)元按照某種方式相互連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特征，是人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)的簡化、抽象和模擬。由于神經(jīng)網(wǎng)絡(luò)具有非線性映射逼近、大規(guī)模并行分布存儲和綜合優(yōu)化處理、容錯性強(qiáng)、自學(xué)習(xí)和自適應(yīng)等能力，因而特別適合處理需要同時考慮許多因素和條件以及信息不確定性問題。神經(jīng)網(wǎng)絡(luò)是一種全新的模式識別技術(shù)，它具有以下幾個方面的特點：

2.2.2 錄制視頻PPT的制作 視頻錄制時一般要輔助課件PPT。對于反轉(zhuǎn)課堂PPT的制作要求內(nèi)容清晰，與講授內(nèi)容相符。因為考慮到線上學(xué)習(xí)的靈活機(jī)動性，以及手機(jī)線上學(xué)習(xí)的軟件要求問題。所以課件制作無需十分復(fù)雜，但要文字表述清楚簡潔，內(nèi)容規(guī)劃調(diào)理清楚，可以穿插圖片、表格等。使得課件可以在微課錄制時輔助講授展示。也可分享到教學(xué)平臺讓學(xué)習(xí)者單獨(dú)下載，便于查閱和學(xué)習(xí)。

我去了，懷著一顆紅心兩種準(zhǔn)備。夏俊一見我，特別熱情，一臉的諂笑快要淌下來。路過人力資源課時，又高又靚的李霞正好出門，也對我一展芳顏，笑容可掬。進(jìn)了總經(jīng)理室，屁股剛碰到沙發(fā)，漂亮的秘書小姐奉上咖啡，細(xì)語如風(fēng)地說，請您慢用。便笑盈盈地退了出去。

(2)神經(jīng)元能夠獨(dú)立運(yùn)算和處理收到的信息，即系統(tǒng)能夠并行處理輸入的信息。

結(jié)構(gòu)模式識別方法地主要優(yōu)點是對字體變化的適應(yīng)性強(qiáng)，區(qū)分相似字能力強(qiáng)，缺點是抗干擾能力差，從圖像中精確地抽取基元、輪廊、特征點比較困難，匹配過程復(fù)雜；當(dāng)前結(jié)構(gòu)模式識別主要突出模式的結(jié)構(gòu)信息，常用于以結(jié)構(gòu)特征為主的識別領(lǐng)域中，通過對結(jié)構(gòu)特征的提取來完成準(zhǔn)確目標(biāo)識別。

神經(jīng)網(wǎng)絡(luò)的優(yōu)點在于可處理一些環(huán)境信息十分復(fù)雜，背景知識不清楚，允許樣品有較大的缺損、畸變，推理規(guī)則不明確的問題。其目前最大局限在于模型仍在不斷豐富與完善中，如今能識別的模式類型還不足夠。

3 圖像識別技術(shù)在加工車間中的應(yīng)用

3.1 機(jī)器人定位

目前，機(jī)器人已經(jīng)被廣泛應(yīng)用于機(jī)械加工制造等領(lǐng)域之中；然而，由于各行業(yè)對應(yīng)用方面的差異化以及高性能需求的不斷提出，導(dǎo)致對機(jī)器人的定位也提出了更高的要求，例如實現(xiàn)期望視覺具有更低的延遲、更高的準(zhǔn)確性等；但是圖像識別率低、識別速度慢的情況往往會引起移動機(jī)器人丟失定位信息，從而造成經(jīng)濟(jì)上的損失。

由于目前采用的機(jī)器人存在以上問題，為了進(jìn)一步提高工業(yè)機(jī)器人性能，焦傳佳等

基于AprilTag圖像的預(yù)處理方法，對機(jī)器人的定位進(jìn)行研究，減少了因光照不均對圖像識別的不利影響，提高了機(jī)器人識別的成功率。廖萬輝等

建立了一個主動機(jī)器視覺定位系統(tǒng)，結(jié)合區(qū)域的匹配和形狀特征識別，來進(jìn)行數(shù)據(jù)計算，從而準(zhǔn)確識別物體特征的邊界和質(zhì)心，解決了機(jī)器人實際位置與期望位置相差較大的問題，從而實現(xiàn)了機(jī)器人對零件工位的精確定位。以上兩種方法對未來工業(yè)機(jī)器人技術(shù)的改進(jìn)提供了良好的思路。

(1)神經(jīng)網(wǎng)絡(luò)具有分布式存儲信息的特點。

3.2 3D圖像識別

3D圖像識別技術(shù)作為圖像識別技術(shù)的一個新的發(fā)展方向，其目前在加工過程中的應(yīng)用主要在于：監(jiān)控工況是否正常，識別工件整體是否完整等幾個方面。

根據(jù)文獻(xiàn)[18]提出的疫苗形式，提取了DE算法中種群的免疫疫苗，并將該疫苗用于指導(dǎo)交叉操作概率因子的選取。疫苗具體提取方法如下：

統(tǒng)計模式識別主要優(yōu)點是技術(shù)成熟，能考慮到干擾、噪聲等影響，識別模式基元能力強(qiáng)。但其局限在于對結(jié)構(gòu)復(fù)雜的模式抽取特征困難，不能反映模式的結(jié)構(gòu)特征，難以描述模式的性質(zhì)和從整體角度考慮識別問題。

3.3 生產(chǎn)線檢驗

隨著發(fā)動機(jī)制造的生產(chǎn)線不斷智能化、信息化，圖像識別在生產(chǎn)線上的應(yīng)用也越來越廣泛；將圖像識別技術(shù)應(yīng)用于生產(chǎn)線檢驗，可以達(dá)到良好的檢驗效果，能夠有效的檢測出工業(yè)設(shè)備故障及不合格產(chǎn)品，從根本上杜絕了人工檢驗導(dǎo)致的錯檢情況。通過圖像識別技術(shù)可以對工件的內(nèi)孔、外圓以及螺紋孔特征等部分進(jìn)行有效識別，也可以用于檢測發(fā)動機(jī)表面粗糙度、發(fā)動機(jī)表面裂紋、發(fā)動機(jī)氣缸體的缸孔等是否符合要求。

以圖3所示的生產(chǎn)線內(nèi)孔加工為例，不同于機(jī)器人定位及裝配過程的靜態(tài)識別，生產(chǎn)線檢驗的圖像獲取是在工件運(yùn)動中進(jìn)行的；因此，增加了圖像獲取的難度。此外，由于是對內(nèi)孔進(jìn)行識別，其環(huán)境的光線強(qiáng)度也必然影響識別結(jié)果；因此在預(yù)處理過程中應(yīng)采取圖像灰度化及增強(qiáng)對比度操作。

3.4 裝配過程

目前大多數(shù)工廠的裝配生產(chǎn)線，仍靠操作人員通過大量的操作手冊獲取裝配指導(dǎo)信息從而進(jìn)行裝配操作。即便操作人員已經(jīng)熟悉了操作流程，拋開了手冊指導(dǎo)，還會無法避免出現(xiàn)裝配錯誤，這將大大影響了裝配效率。將人工智能與圖像識別開始應(yīng)用于裝配生產(chǎn)線，輔助操作人員進(jìn)行裝配操作，可以提高裝配效率、降低裝配錯誤率。在裝配過程中，主要是通過機(jī)器視覺，基于一定的機(jī)器學(xué)習(xí)算法來判斷零件的配置是否有錯裝漏裝現(xiàn)象?；?D圖像識別技術(shù)搭建的檢測系統(tǒng)可以提高檢測的準(zhǔn)確度，減少人工檢測過程中出現(xiàn)的漏報、錯報的可能性，提高工作效率。

材料四王守仁：“心即理”，“致良知”。他認(rèn)為良知是存于人心中的天理，但良知往往被私欲所侵蝕，所以要加強(qiáng)道德修養(yǎng)，去掉人欲，恢復(fù)良知。

基于以上分析，在裝配機(jī)器人上融入圖像識別技術(shù)，可以使裝配機(jī)器人判斷迅捷，動作連貫，對指令做出快速反應(yīng)。精密的裝配機(jī)器人圖像識別可以從多變掃描、面積預(yù)處理和特定環(huán)境下顏色快速識別方法等方向來滿足移動機(jī)器人的工作要求。

養(yǎng)殖不僅需要熟練掌握養(yǎng)殖技術(shù)，而且還需要時刻掌握市場價格動向，采取分批捕撈，輪捕輪放，降低池魚發(fā)病的概率，減少了養(yǎng)殖風(fēng)險，降低了單位面積存魚量，又增加養(yǎng)殖產(chǎn)量，實現(xiàn)高產(chǎn)穩(wěn)產(chǎn)?？梢允钩佤~提早上市，待價而沽，適時銷售，獲得養(yǎng)殖效益最大化。但高溫季節(jié)在拉網(wǎng)、運(yùn)輸、放養(yǎng)等過程中，操作應(yīng)輕柔，避免池魚機(jī)械損傷，降低患病概率。

4 結(jié)束語

目前，圖像識別技術(shù)在加工車間中的應(yīng)用均較為有限，應(yīng)用的主要范圍集中在工件加工前期的螺栓檢測、打碼機(jī)對工件的編碼識別以及工件平面孔的密封性檢測等幾個方面。本文介紹了在發(fā)動機(jī)加工裝配的部分工序中引入圖像識別技術(shù)的方案。今后，隨著更多科技成果在車間中的應(yīng)用以及車間自動化需求的進(jìn)一步提高，圖像識別技術(shù)在加工及裝配檢測階段的應(yīng)用將更加廣泛。

[1]Yang Nan,Wang Zhiyi,Wang Shihao.Computer Image Recognition Technology and Application Analysis.

[2]Ma Jinding. Application of Feature Extraction in Image Processing. Science and Technology Vision, Issue 27, 2015.

[3]廖萬輝,李琳.基于機(jī)器視覺的工業(yè)機(jī)器人定位系統(tǒng)[J].微計算機(jī)信息,2009,25(08):242-244.

[4]劉睿,鄧強(qiáng)強(qiáng),馮運(yùn),陳凌,蔣偉,殷宏磊,彭倍.基于圖形路標(biāo)特征的精確定位研究[J].電子科技大學(xué)學(xué)報,2019,48(02):233-238.