摘 要：機(jī)械零件質(zhì)量檢測在其生產(chǎn)過程中占據(jù)重要地位，通過檢測可使零件的質(zhì)量得到保證，為了獲得更佳的檢測結(jié)果，在機(jī)械零件質(zhì)量檢測過程中需要合理使用圖像識別技術(shù)，提高零件質(zhì)量檢測。在此次研究中文章分析了圖像識別技術(shù)，在此基礎(chǔ)上從三方面對該技術(shù)的具體應(yīng)用情況進(jìn)行了介紹，以供相關(guān)人士交流和借鑒。

關(guān)鍵詞：圖像識別技術(shù)；機(jī)械零件質(zhì)量檢測；運(yùn)用

DOI：10.16640/j.cnki.37-1222/t.2018.24.005

0 引言

隨著經(jīng)濟(jì)的進(jìn)步，對機(jī)械零件的生產(chǎn)質(zhì)量也提出了更高要求，所以生產(chǎn)過程中做好相應(yīng)的檢測工作具有重要作用，當(dāng)圖像識別技術(shù)在零件質(zhì)量檢測中扮演著重要角色，為了幫助相關(guān)工作人員更好的了解該技術(shù)，提高零件檢測質(zhì)量，文章從以下幾個方面進(jìn)行了研究。

1 圖像識別技術(shù)分析

第一，模糊匹配是常用的最為基礎(chǔ)的識別技術(shù)，所用模版主要是為了可以更好的檢驗(yàn)圖像中的一些區(qū)域，在矩陣形成的過程中主要借助符號和數(shù)字的方式加以呈現(xiàn)，在已知物體選中的基礎(chǔ)上，同模版中的圖像進(jìn)行匹配，所以在實(shí)際操作中也可能將其當(dāng)作模版相同物體。在模版匹配過程中，需要有較強(qiáng)的技術(shù)，且操作較為簡單，但實(shí)際操作中由于各種因素的影響其使用范圍受到限制，影響因素主要為在和目標(biāo)物體匹配的過程中需要更多模版，在儲存和設(shè)計(jì)的過程中也會造成一定程度的浪費(fèi)[1]。

第二，神經(jīng)網(wǎng)絡(luò)識別技術(shù)主要是指在特定方式下將很多神經(jīng)單位連接在一起，進(jìn)而構(gòu)成較為復(fù)雜的神經(jīng)網(wǎng)絡(luò)體系。單個神經(jīng)單元的結(jié)構(gòu)和功能較為簡單，但不同神經(jīng)單元構(gòu)成為一個網(wǎng)絡(luò)系統(tǒng)之后，結(jié)構(gòu)便變得較為復(fù)雜，同時功能較為多樣，可對人腦系統(tǒng)網(wǎng)絡(luò)進(jìn)行簡化、抽象和模擬 [2]。

2 零件檢測中出現(xiàn)的問題

第一，機(jī)械零件輪廓圖像更為模糊，使得檢測結(jié)果的誤差增加，造成該類現(xiàn)象出現(xiàn)的原因主要和攝像頭分辨率、光照問題等有關(guān)，光照環(huán)境的獲取也需要考慮很多因素，比如零件反射出現(xiàn)的錯誤邊界等。

第二，一般情況下拍攝圖片的分辨率越高，得到的圖像更加清晰，檢測的部位也更準(zhǔn)確，產(chǎn)生的系統(tǒng)誤差也更小。硬件在圖像分辨率的高低方面發(fā)揮著重要作用。此外也可以采用圖像插值，即亞像素形式提高圖像的分辨率。

第三，在零件輪廓曲線的識別過程中應(yīng)力求準(zhǔn)確，除了包括干擾曲線的剔除外，還包括曲線位置的準(zhǔn)確。在曲線獲取的過程中應(yīng)恰當(dāng)使用邊界檢測法，對算法加以改進(jìn)。

第四，在輪廓曲線的定位方面，需要將兩個曲線的中心部位合在一起，使轉(zhuǎn)角一樣，若檢測位置出現(xiàn)偏差會使曲線在比較中出現(xiàn)錯誤，進(jìn)而出現(xiàn)系統(tǒng)偏差。

3 圖像識別技術(shù)的具體應(yīng)用

（1）焊縫圖像預(yù)處理過程。此次研究將以零件輪廓的齒合標(biāo)準(zhǔn)輪廓的匹配過程為例進(jìn)行講解，比如凹坑形狀故障的機(jī)械零件在處理的過程中會產(chǎn)生很多不便之處，因?yàn)樵慵^大，且缺陷主要分布在不規(guī)則的凹坑部位表面，在具體的操作過程中需要將其擴(kuò)大。

從圖像的灰化方面分析，由于計(jì)算機(jī)內(nèi)存色彩較為豐富，不容易被人們重視。但有關(guān)光學(xué)的相關(guān)研究顯示不管哪種色彩都可以用藍(lán)綠紅三色通過相關(guān)比例將其合成。從理論上說，相同量的色加起來可以得到白色，但在實(shí)際操作中人的眼睛對顏色的敏感度均有差異，所以相同量的顏色混合并不能完全形成白色，因此可根據(jù)實(shí)際情況調(diào)整顏色的混合比例。

從圖像的平滑化方面分析，圖像會出現(xiàn)噪音，原因有多種，主要體現(xiàn)在：在攝像過程中若光學(xué)系統(tǒng)處于失真運(yùn)動、流動狀態(tài)便會有散點(diǎn)等模糊情況出現(xiàn)，圖像質(zhì)量的好壞也和照明等變化密切相關(guān)，和線性濾波相比，自適濾波的效果較好，它在選擇、保護(hù)圖像邊緣和相關(guān)細(xì)節(jié)方面有更好的作用，但中值濾波在使用的過程中會使圖像中的小目標(biāo)區(qū)域和細(xì)線丟失，在綜合分析和對比的基礎(chǔ)上使用自適濾在處理方面的效果更好。

（2）圖像分析。圖像分析內(nèi)容主要體現(xiàn)在：首先，二值化圖像處理在計(jì)算機(jī)處理過程中發(fā)揮著重要作用，可以更好的分析圖像的特點(diǎn)，對圖像中的分析對象可以進(jìn)行分離，并在此基礎(chǔ)上處理二值化對象物。其次，從圖像分割的方面分析，在該過程中所用的方法很多，最為常用的有間接、直接、多門限法，在利用門限法的過程中，可根據(jù)灰度和目標(biāo)區(qū)域方面的不同分割圖像。再次，在檢測圖像邊緣的過程中，這里所說的圖像特征主要指灰度、紋理和角點(diǎn)、線條特征，此外還包括幅度、變換系數(shù)等方面的特征。

（3）圖像識別。在檢測機(jī)械零件質(zhì)量的過程中，圖像識別主要體現(xiàn)在兩個方面：第一，合理選取特征參考數(shù)據(jù)，機(jī)械零件經(jīng)常出現(xiàn)的問題便是點(diǎn)蝕、不規(guī)則缺陷、裂紋和折斷等，所以在選擇的過程中需要根據(jù)質(zhì)量要求對其進(jìn)行科學(xué)選擇。獲取有關(guān)圖像方面的信息，對圖像做好相應(yīng)的預(yù)處理，在考慮圖像特征的基礎(chǔ)上其所需的參數(shù)主要體現(xiàn)在伸長度、圓度、矩形度、凹凸度等。第二，在圖像特征獲取的過程中需要借助數(shù)學(xué)形態(tài)學(xué)，具體的方法為：鏈碼、標(biāo)號法等。但最為常用的是輪廓跟蹤法，在具體使用的過程中需要先對圖像的點(diǎn)進(jìn)行檢測，之后使用跟蹤運(yùn)算。

4 結(jié)束語

綜上所述，機(jī)械零件檢測質(zhì)量在實(shí)際工作中發(fā)揮著重要作用，而使用圖像識別技術(shù)可使檢測效果得到保證。文章在分析該檢測技術(shù)的基礎(chǔ)上，從圖像識別、圖像分析等三方面對其具體應(yīng)用進(jìn)行了研究，希望對相關(guān)工作人員有所幫助。

參考文獻(xiàn)：

[1]孔祥俊.機(jī)械零件應(yīng)用圖像識別技術(shù)的質(zhì)量檢測方法研究[J].數(shù)碼世界，2017（06）：160.

[2]趙曉龍.基于圖像處理的機(jī)械零部件檢測技術(shù)應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2018（12）.175-176.

作者簡介：陳紅玉（1986-），女，山東濟(jì)寧人，本科，機(jī)械工程師，研究方向：機(jī)械工程及自動化。