李威

摘要：在機(jī)械零件生產(chǎn)過(guò)程中，對(duì)其質(zhì)量進(jìn)行可靠檢測(cè)是不可缺失的環(huán)節(jié)，而為了保證機(jī)械零件質(zhì)量檢測(cè)的可靠性，則可合理利用圖像識(shí)別技術(shù)對(duì)機(jī)械零件中存在的缺陷部位展開(kāi)成像處理，從而分析圖像的特征去判定機(jī)械零件是否存在質(zhì)量缺陷。鑒于此，文章將主要針對(duì)機(jī)械零件質(zhì)量檢測(cè)中對(duì)圖像識(shí)別技術(shù)的運(yùn)用展開(kāi)分析，以期為同行從業(yè)者提供參考。

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

在過(guò)去的機(jī)械零件質(zhì)量檢測(cè)工作中，由于采取人工檢測(cè)的方式會(huì)受到人為因素的影響，常常會(huì)因?yàn)槿搜燮诙鴮?dǎo)致質(zhì)量難以把控，無(wú)法達(dá)到100%的合格率。隨著科技水平的不斷提升，計(jì)算機(jī)技術(shù)與自動(dòng)化技術(shù)得到快速發(fā)展，許多領(lǐng)域也與先進(jìn)技術(shù)融合，在機(jī)械零件質(zhì)量檢測(cè)工作中也率先運(yùn)用了圖像識(shí)別技術(shù)，大大改善了過(guò)去人工檢測(cè)的不足，不僅降低了勞動(dòng)量，也提高質(zhì)量檢測(cè)效率與合格率，文章便針對(duì)機(jī)械零件質(zhì)量檢測(cè)中所運(yùn)用的圖像識(shí)別技術(shù)及其具體運(yùn)用展開(kāi)分析。

一、機(jī)械零件質(zhì)量檢測(cè)中運(yùn)用的圖像識(shí)別技術(shù)

（一）模板匹配識(shí)別技術(shù)

該識(shí)別技術(shù)屬于識(shí)別技術(shù)中最為基礎(chǔ)的一種，其中模板也即是為了能夠檢測(cè)出機(jī)械零件圖像中的區(qū)域特征，利用量化或符號(hào)化所形成的矩陣，將已知物體圖像與模板中所有的未知區(qū)域展開(kāi)比對(duì)，之后將某個(gè)未知物體與模板展開(kāi)匹配，所以這一物體便會(huì)被認(rèn)定為與模板相同的物體[1]。模板匹配識(shí)別技術(shù)的優(yōu)勢(shì)在于操作極為簡(jiǎn)單，然而也存在一定的限制性，體現(xiàn)在為了對(duì)所有物體的規(guī)格與方向進(jìn)行匹配，則要設(shè)置出數(shù)量巨大的模板，這些體量巨大的模板得以儲(chǔ)存，便會(huì)造成經(jīng)濟(jì)層面上的較大浪費(fèi)。

（二）神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)

該項(xiàng)識(shí)別技術(shù)主要是指由大量神經(jīng)單元以某種特定方式進(jìn)行連接所形成的復(fù)雜神經(jīng)網(wǎng)絡(luò)系統(tǒng)，盡管單個(gè)神經(jīng)單元的構(gòu)造與功能非常簡(jiǎn)單，但神經(jīng)單元達(dá)到一定數(shù)量且形成了神經(jīng)網(wǎng)絡(luò)系統(tǒng)之后，便能夠得到更為復(fù)雜的結(jié)構(gòu)與多樣化的功能，神經(jīng)網(wǎng)絡(luò)系統(tǒng)可視作為對(duì)人腦的模擬與簡(jiǎn)化[2]。神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)能夠?qū)θ说母兄^(guò)程進(jìn)行模擬，存在一定的自學(xué)與識(shí)別功能，擁有強(qiáng)大的自適應(yīng)能力及聯(lián)想組織能力，可以同時(shí)間綜合考慮多重因素問(wèn)題。然而，在神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)的實(shí)際運(yùn)用中，需要對(duì)其進(jìn)行長(zhǎng)時(shí)間且大量的訓(xùn)練，否則在識(shí)別速度與準(zhǔn)度方面難以保證。

（三）統(tǒng)計(jì)識(shí)別技術(shù)

該項(xiàng)識(shí)別技術(shù)指的是對(duì)物體圖像展開(kāi)大量的統(tǒng)計(jì)分析，從中總結(jié)出物體的規(guī)律與能夠反映出物體實(shí)質(zhì)的圖像特征，從而展開(kāi)圖像識(shí)別。實(shí)際上，統(tǒng)計(jì)識(shí)別技術(shù)主要基于書(shū)序模型，其優(yōu)勢(shì)在于分類誤差極小?，F(xiàn)如今，使用最為頻繁的統(tǒng)計(jì)識(shí)別模型有貝葉斯模型，而因?yàn)樵擁?xiàng)識(shí)別技術(shù)需要數(shù)據(jù)基礎(chǔ)，所以在對(duì)概率問(wèn)題進(jìn)行估算時(shí)會(huì)促在一定限制。

二、圖像識(shí)別技術(shù)在機(jī)械零件質(zhì)量檢測(cè)中的具體運(yùn)用

（一）焊縫圖像預(yù)處理

在焊縫圖像預(yù)處理過(guò)程中的運(yùn)用，我們主要以零件輪廓的齒合標(biāo)準(zhǔn)輪廓進(jìn)行匹配的過(guò)程舉例，由于在機(jī)械零件處理中出現(xiàn)凹坑形狀的故障會(huì)造成諸多不便，原因在于原零件過(guò)大且缺陷集中在無(wú)規(guī)則凹坑部位表面，在實(shí)際操作中應(yīng)當(dāng)將其擴(kuò)大。

基于圖像灰化層面進(jìn)行分析，因?yàn)橛?jì)算機(jī)在色彩表達(dá)方面非常豐富，所以這一點(diǎn)往往會(huì)被人們所忽視。實(shí)際上我們從相關(guān)光學(xué)研究能夠了解到，無(wú)論何種色彩都來(lái)源于紅、藍(lán)、綠三色的疊加，僅僅是疊加比例的不同而已。所以，從理論上來(lái)講，同量色彩疊加便會(huì)得到白色，不過(guò)在實(shí)際操作中由于人眼對(duì)顏色敏感度存在差異，因此即便顏色量相同，在混合中也無(wú)法完全得到白色，所以需要結(jié)合實(shí)情去微調(diào)顏色混合比。

基于圖像平滑化層面進(jìn)行分析，圖像也會(huì)存在噪點(diǎn)，成因主要為如下幾個(gè)方面：如果攝像過(guò)程中光學(xué)系統(tǒng)為失真運(yùn)動(dòng)、流動(dòng)狀態(tài)，便會(huì)出現(xiàn)散點(diǎn)情況而導(dǎo)致有一定的模糊;圖像質(zhì)量的優(yōu)劣與照明相關(guān)，自適濾波要比線性濾波的效果更好，原因在于自適濾波在保護(hù)圖像邊緣與細(xì)節(jié)處理方面會(huì)起到更好作用，然而中值濾波會(huì)造成圖像小范圍區(qū)域丟失情況出現(xiàn)，所以在綜合比對(duì)之下筆者認(rèn)為自適濾波的效果會(huì)更好。

（二）圖像分析

將圖像識(shí)別技術(shù)運(yùn)用在機(jī)械零件質(zhì)量檢測(cè)中，其中圖像分析的主要內(nèi)容包含如下三點(diǎn)：①二值化圖像處理。在計(jì)算機(jī)圖像處理過(guò)程中，二值化圖像處理屬于關(guān)鍵性步驟，為了可以對(duì)圖像的特征展開(kāi)更好的分析，一般來(lái)講應(yīng)當(dāng)對(duì)圖像當(dāng)中的分析對(duì)象進(jìn)行分離，而經(jīng)過(guò)二值化處理后的圖像，能夠?qū)⑾鄳?yīng)的處理邊緣從圖像中提取出來(lái);②圖像分割。圖像分割能夠選用的方法眾多，一般來(lái)講常用的為多門(mén)限法、直接門(mén)限法與間接門(mén)限法，在合理利用門(mén)限算法的基礎(chǔ)上，能夠根據(jù)灰度背景區(qū)域與目標(biāo)區(qū)域之間的對(duì)比差異，從而對(duì)圖像進(jìn)行分割;③圖像邊緣檢測(cè)[3]。針對(duì)圖像特征來(lái)講，也即是圖像影視屬性與特征，具體包含灰度邊緣特征、紋理和角點(diǎn)特征及線條特征，同時(shí)也包括幅度特征、變換系數(shù)特征等信息，通過(guò)圖像邊緣檢測(cè)，可以更好地識(shí)別圖像的邊緣性能。

（三）圖像識(shí)別

在對(duì)機(jī)械零件質(zhì)量進(jìn)行檢測(cè)的過(guò)程中，圖像識(shí)別具體表現(xiàn)在如下兩點(diǎn)：①對(duì)參考數(shù)據(jù)進(jìn)行合理有效的選擇，一般來(lái)講機(jī)械零件主要出現(xiàn)的質(zhì)量問(wèn)題為裂紋、折斷以及無(wú)規(guī)律缺陷等等，因此在選擇圖像參考數(shù)據(jù)時(shí)一定要結(jié)合機(jī)械零件的質(zhì)量要求作出合理選擇。通過(guò)獲取到相關(guān)的圖像信息，并且做好圖像預(yù)處理工作，在綜合考慮圖像特征的前提之下，所需要的參數(shù)通常有矩形度、凹凸度、伸長(zhǎng)度以及圓度等等;②在獲取圖像特征的過(guò)程中，應(yīng)當(dāng)利用數(shù)學(xué)形態(tài)學(xué)理論，主要的方法可分為標(biāo)號(hào)法、鏈碼法等等，當(dāng)然最常用的便是輪廓跟蹤法，在使用中要先行對(duì)圖像的點(diǎn)展開(kāi)檢測(cè)，才能夠進(jìn)行跟蹤運(yùn)算。

三、結(jié)束語(yǔ)

綜上所述，為了避免機(jī)械零件在后續(xù)投入使用中出現(xiàn)斷裂等質(zhì)量問(wèn)題，則需要在制造過(guò)程中對(duì)機(jī)械零件展開(kāi)有效的質(zhì)量檢測(cè)。傳統(tǒng)的機(jī)械零件質(zhì)量檢測(cè)主要采取人工檢測(cè)方式，不僅效率較低且出錯(cuò)率偏高，所以通過(guò)運(yùn)用圖像識(shí)別技術(shù)進(jìn)行檢測(cè)，能夠?qū)崿F(xiàn)高準(zhǔn)度、高可靠性的效果。因此，筆者認(rèn)為在機(jī)械零件質(zhì)量檢測(cè)中，圖像識(shí)別技術(shù)值得推廣使用，從而全面提高生產(chǎn)效率。

參考文獻(xiàn)

劉烜.探討圖像識(shí)別技術(shù)在機(jī)械零件質(zhì)量檢測(cè)中的運(yùn)用[J].科技視界，2014（23）：120–120.

陳紅玉.試論圖像識(shí)別技術(shù)如何運(yùn)用于機(jī)械零件質(zhì)量檢測(cè)[J].山東工業(yè)技術(shù)，2018，278（24）：14.

王慧英.圖像識(shí)別技術(shù)在齒輪質(zhì)量檢測(cè)中的應(yīng)用[J].機(jī)械設(shè)計(jì)與制造工程，2007，36（17）：73–76.