1 機(jī)械零件質(zhì)量檢測(cè)中相關(guān)圖像識(shí)別技術(shù)
1.1 模糊匹配識(shí)別技術(shù)
這種識(shí)別方法屬于一種最基礎(chǔ)的識(shí)別技術(shù)， 而其中所應(yīng)用的模板所指的就是為能夠?qū)ΥR(shí)別零件圖像中相關(guān)區(qū)域特征進(jìn)行檢驗(yàn)， 通過(guò)數(shù)字量形式或符號(hào)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(shí)行匹配， 因而該物體也就會(huì)被當(dāng)作與模板相同有關(guān)物體。對(duì)于模板匹配技術(shù)而言， 其操作比較簡(jiǎn)單， 然而在實(shí)際應(yīng)用過(guò)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(shí)際匹配過(guò)程中需要對(duì)大量模板實(shí)行設(shè)計(jì)及儲(chǔ)存， 從而也就會(huì)導(dǎo)致一定經(jīng)濟(jì)浪費(fèi)。
1.2 神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)
對(duì)于神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)而言， 其所指的就是通過(guò)偶某種特定方式， 使大量神經(jīng)單元實(shí)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(gè)神經(jīng)單元所具備功能及結(jié)構(gòu)相對(duì)比較簡(jiǎn)單， 然而由多個(gè)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(duì)人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)實(shí)行模擬、抽象及簡(jiǎn)化。對(duì)于該技術(shù)而言， 其能夠?qū)θ说恼J(rèn)知過(guò)程及感知過(guò)程進(jìn)行模擬， 具備分布式自主學(xué)習(xí)能力以及識(shí)別能力， 對(duì)于需同時(shí)考慮各種不同條件及因素的相關(guān)問(wèn)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(shí)別技術(shù)的缺點(diǎn)就是訓(xùn)練時(shí)間比較長(zhǎng)， 訓(xùn)練量比較大， 并且收斂精度比較慢， 同時(shí)識(shí)別精度較低等。
2 機(jī)械零件質(zhì)量檢測(cè)中圖像識(shí)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(diǎn)：第一， 二值化圖像處理， 這一點(diǎn)在計(jì)算機(jī)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(duì)象， 而后二值化處理對(duì)象物， 經(jīng)過(guò)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(mén)限法、直接門(mén)限法及間接門(mén)限法， 通過(guò)對(duì)門(mén)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(duì)圖像實(shí)行分割。第三， 圖像邊緣檢測(cè)， 對(duì)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(diǎn)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(cè)， 可對(duì)圖像邊緣性能較好識(shí)別。
2.2 圖像識(shí)別
在機(jī)械零件質(zhì)量檢測(cè)中， 對(duì)于圖像識(shí)別而言， 其主要包括兩個(gè)方面內(nèi)容。首先， 對(duì)特征參數(shù)進(jìn)行科學(xué)合理選擇， 機(jī)械零件中較常見(jiàn)質(zhì)量問(wèn)題主要就是不規(guī)則缺陷、點(diǎn)蝕、長(zhǎng)形缺陷及折斷與裂紋等。因而在對(duì)特征參數(shù)進(jìn)行選擇過(guò)程中， 應(yīng)當(dāng)依據(jù)具體質(zhì)量問(wèn)題對(duì)適當(dāng)特征參數(shù)進(jìn)行合理選擇。依據(jù)圖像對(duì)所獲得信息進(jìn)行分析， 選擇特定預(yù)處理方法對(duì)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(gè)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(zhǎng)度等。其中凹凸度的計(jì)算公式為t/L, t表示同向碼個(gè)數(shù)最大值；矩形度計(jì)算公式為S/ （W·H） , 其中S表示檢測(cè)區(qū)域面積；圓度計(jì)算公式為4·R·A/L2, 其中L為鏈長(zhǎng)度， A表示圓形區(qū)域編輯；伸長(zhǎng)度計(jì)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(zhǎng)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(shí)， 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(hào)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(cè)圖像點(diǎn)， 在此基礎(chǔ)上實(shí)行跟蹤運(yùn)算， 且不必對(duì)所有點(diǎn)實(shí)行復(fù)雜運(yùn)算， 只需要檢測(cè)運(yùn)算某些特字鞥點(diǎn)。在利用輪廓法對(duì)圖像進(jìn)行檢測(cè)及跟蹤過(guò)程中， 應(yīng)當(dāng)對(duì)以下幾個(gè)方面加強(qiáng)注意；其一， 每次前進(jìn)布距應(yīng)當(dāng)控制在一個(gè)像素；其二， 在由自由區(qū)域相黑區(qū)跨步時(shí)， 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(duì)象物進(jìn)行一周循環(huán)之后， 使其返回到起點(diǎn)， 則這一軌跡所經(jīng)過(guò)路線即為對(duì)對(duì)象物輪廓。
3 結(jié)語(yǔ)
機(jī)械零件質(zhì)量檢測(cè)是當(dāng)前機(jī)械零件生產(chǎn)中一項(xiàng)重要任務(wù)及內(nèi)容， 也是保證機(jī)械零件質(zhì)量的重要方法， 因而較好開(kāi)展機(jī)械零件質(zhì)量檢測(cè)也就十分必要。在當(dāng)前機(jī)械零件質(zhì)量檢測(cè)中， 通過(guò)對(duì)圖像識(shí)別技術(shù)進(jìn)行較好應(yīng)用， 可使機(jī)械零件質(zhì)量檢測(cè)水平及效果得以有效提升。所以， 在機(jī)械零件質(zhì)量檢測(cè)過(guò)程中， 相關(guān)檢測(cè)技術(shù)人員應(yīng)當(dāng)將圖像識(shí)別技術(shù)較好掌握， 并且應(yīng)當(dāng)對(duì)該技術(shù)進(jìn)行科學(xué)合理應(yīng)用， 保證圖像識(shí)別技術(shù)發(fā)揮更好作用及功能， 促使機(jī)械零件質(zhì)量檢測(cè)效果得以增強(qiáng)， 以更好保證機(jī)械零件質(zhì)量。