劉 烜

（廣西農(nóng)業(yè)機械研究院，廣西 南寧530007）

0 前言

在傳統(tǒng)的機械零件的質(zhì)量檢測中，傳統(tǒng)人工檢測的方式，由于質(zhì)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(jīng)濟與科技的快速發(fā)展，計算技術(shù)、信息技術(shù)以及自動化技術(shù)被廣泛的開發(fā)和應用在眾多領(lǐng)域中，其中圖像識別技術(shù)在機械零件質(zhì)量檢測中的運用，有效的解決了傳統(tǒng)人工檢測的弊端，顯著的降低了質(zhì)量檢測人員的工作量，并且還提高了質(zhì)量檢測的質(zhì)量以及效率，提高了機械零件質(zhì)量檢測的自動化水平。

1 圖像識別技術(shù)在機械零件質(zhì)量檢測中的應用

1.1 機械零件質(zhì)量檢測中的圖像識別技術(shù)

機械零件質(zhì)量檢測中的圖像識別的技術(shù)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(shù)

該種識別方法是最基本的一種識別技術(shù)，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(shù)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(shù)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(shè)置數(shù)量龐大的模板，在匹配的過程中需要設(shè)計和儲存大量的模板，這在經(jīng)濟上會造成一定的浪費。

1.1.2 神經(jīng)網(wǎng)絡(luò)識別技術(shù)

神經(jīng)網(wǎng)絡(luò)識別技術(shù)指的是由大量的神經(jīng)單元（處理單元），通過某種特定的方式相互連接構(gòu)成的復雜神經(jīng)網(wǎng)絡(luò)系統(tǒng)，雖然單個神經(jīng)單元的結(jié)構(gòu)與功能相對簡單，但是由數(shù)量眾多的神經(jīng)單元組成的神經(jīng)網(wǎng)絡(luò)系統(tǒng)具備了復雜的結(jié)構(gòu)以及豐富多彩的功能，神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以看成是人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)的模擬、抽象以及簡化。神經(jīng)網(wǎng)絡(luò)識別技術(shù)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(jīng)網(wǎng)絡(luò)識別技術(shù)具有自適應和自學習的能力、獨特的聯(lián)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(jīng)網(wǎng)絡(luò)識別技術(shù)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(tǒng)計識別技術(shù)

統(tǒng)計識別技術(shù)是對研究物體的圖像進行大量的統(tǒng)計和分析，以此找出物體的規(guī)律以及反映物體本質(zhì)的圖像的特征來進行圖像識別。統(tǒng)計識別技術(shù)以書序模型為基礎(chǔ)，是一種分類誤差非常小的識別技術(shù)。目前，最常用的統(tǒng)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(tǒng)計識別技術(shù)基于數(shù)據(jù)的基礎(chǔ)，在估算概率問題時受到一定的限制，當圖像類別數(shù)較多、圖像非常復雜時，會導致圖像的特征數(shù)顯著的增加，增加了特征提取的難度，特別是統(tǒng)計識別技術(shù)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(shù)在機械零件質(zhì)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(chǎn)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(chǎn)帶來嚴重的安全隱患，因此，為了消除活塞銷的質(zhì)量問題，應該對活塞銷進行質(zhì)量檢測，文章以活塞銷為例，探析圖像識別技術(shù)在機械零件質(zhì)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(jù)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?qū)⒗帽尘皡^(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(shù)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(zhì)量檢測的圖像識別包括以兩個方面：首先，選擇特征參數(shù)，機械零件常見的質(zhì)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(shù)時應該根據(jù)具體的質(zhì)量問題選擇合適的特征參數(shù)，根據(jù)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(jù)圖像的特征，將以下四個參數(shù)作為特征參數(shù)：（1）凹凸度（O），凹凸度O的計算公式表現(xiàn)為O=t/L，體重t是同向碼個數(shù)的最大值；（2）矩形度（V），矩形度V的計算公式表現(xiàn)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(xiàn)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(xiàn)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(shù)學形態(tài)學，數(shù)據(jù)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(zhuǎn)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(zhuǎn)，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(jīng)過的路徑就是對象物的輪廓。

2 結(jié)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(xiàn)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(zhì)量和使用壽命，給正常生產(chǎn)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(xiàn)質(zhì)量問題，應該定期或者不定期的對機械零件進行質(zhì)量檢測，其中圖像識別技術(shù)是新興的一種檢測技術(shù)，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(tǒng)的人工質(zhì)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(shù)廣泛的應用在機械零件的質(zhì)量檢測中。

［1］白銳，杜京義.圖像識別技術(shù)在鋼管焊縫質(zhì)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(shù)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(shù)在基樁質(zhì)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(shù)在機械零件質(zhì)量檢測中的應用[J].中國機械采購網(wǎng)，2008,1（3）：33-35.