机械零件应用图像识别技术的质量检测方法研究

孔祥俊 内蒙古工业大学

机械零件应用图像识别技术的质量检测方法研究

孔祥俊 内蒙古工业大学

机械零件质量检测图像识别技术，是指通过采集机械零件缺陷部分的数字成像，运用计算机识别技术对图像进行预处理，分析图像特征并加以提取，进而判断机械零件是否存在质量缺陷一种技术方法。图像识别技术使产品质量监控和故障诊断不再困难，由此，本文对机械零件应用图像识别技术的质量检测方法进行研究。

图像识别 质量 检测方法

1 图像识别技术的基本模式

若要进行图像识别，首先应对收集的图像进行预处理。在计算机图像处理过程中，包括图像压缩、增强、编码、分割与复原等步骤。在某些条件下，图像识别与处理需要同时进行。二者相辅相成，不可分。一般在传统图像处理过程中，输入与输出都应是图像这种成像方式；而在图像识别中输入的是已经被处理过的图像，输出的是图像结构与类别的一种分析样式，具体过程如图1所示：

图1

从图1可知，图像识别过程，是对图像进行描述与分类的过程。在识别之前，应先将图像中的物体进行检测并分离，提取物体各组成部分的纹理特征与形状，即对原始图像特征进行提取。在此应用过程中，对图像的处理也是必须的一个环节。随后利用识别技术，将提取的图像样本与特征进行对比，进而将其分类，得到整体图像结构与样式。一般而言，输入一个或多个物体图像时，计算机识别过程分为3阶段，具体如图2：

图2

从上图2可知，第一阶段，对物体分离或对图像的分割过程，就要将各物体图像与背景进行分离。第二阶段，则是一个图像特征抽取阶段，对物体进行度量。度量与抽取特征是计算机图像识别技术中的两个重要变量。其中，物体中某个具有可度量性质的像素谓之度量；对物体某些重要特征进行度量估算则是计算特征的概念。同时，将这些特征按一定规则组织起来，形成的固定向量。这种大幅度减少的信息为后续决策，提供了有力证据。第三阶段，则是对图像的识别与分类。其输出表现为将每个物体确定为应归属类别。

2 机械零件应用图像识别技术的质量检测方法

从理论角度细分，机械图像识别方法分为决策理论法、结构法与几何变换法等。具体内容如下。

2.1 决策理论法

此方法是对机械图像进行大量统计并分析，以此找到一定规律并加以对图像特征识别。它是以数学中的统计决策理论为基础，所构建的图像识别模型。因而，在某种意义上，该方法是分类误差的最小方法。其中，具体图像统计模型分为两种，即马尔科夫、贝叶斯等模型。然而，常用的贝叶斯决策规则从理论上解决了部分分类器的设计疑问，但在更多程度上收到了限制。同时，统计方法过于严密的数学基础，却忽视了识别图像的例题空间结构关系。当机械零件图像较为复杂时，部分零部件图像特征数量将会大幅度激增，为特征提取带来极大的挑战，这就导致机械零件图像分类更加难以实现。特别是机械零部件图像主要特征为结构特征，此时统计法很难做出识别，就要用到以下的方法。

2.2 结构法

此法是统计识别方法的一类补充，在统计法的运用中，图像的特征是以数值特征的表述显示的。而结构法是用符号来对图像特征进行表述，并运用语言雪中的句法层次结构，并使用最新的层次分析方式，将复杂的机械零部件图像逐步分解，以此形成多层、单层的相对简答的子图像。这种方法是对机械零部件空间结构关系信息的一种表述。如果认为统计方法是机械图像识别的基础，那么结构方法对这种模式识别方式的扩充。其优势在于，不仅可对机械零部件图像进行大量优化，还可以对实际物体结构进行识别与分析。然而，缺陷在于，结构法在较大噪声干扰的环境下，所抽取的图像识别较为困难，误判率较高，导致分类识别精度和可靠度大大降低。

2.3 典型的几何变换方法

几何变换法主要有霍夫变换。霍夫变换是将图像中快速分离出的某种形状（矩形、圆、直线等）匹配而进行的变换，并通过此种方式将图像中确定曲线上的所有点变换到霍夫空间，进而形成对用的峰点。以此种方式，就会将确定形状的线条监测变换成了霍夫空间中对应峰点的检测，时一种鲁棒性很强的应用于缺损形状检测的一种方式。改进的霍夫算法，如快速或随机的霍夫变换，以及自适应的霍夫变换，都是为提高各缺损形状的计算效率而提出的。上世纪90年代而提出的随机霍夫变换便是一种精巧的变换算法，它最突出的特点便是，能在有效降低内存容量及计算量的基础上，提升了运算的效率，同时还可在有限的变幻空间内，获得更高级的网络分辨率。

3 小结

综述可知，对计算机图像识别技术的认知，可从图像到识别、处理基本理论出发，并就常用图像识别方法进行比较。其具有的优势特征与运用原理，对具体机械零件图像识别时，可以选择更多的图像识别方式，提升图像信息的质量，以此不断提升机械零件缺陷的监测与识别率，进而拓宽应用范围。本研究在机械零件质检中，具有一定的实用价值，应再进行深入探讨和推广。

[1]郭聿荃.基于机器视觉的机械零件识别技术研究[D].吉林大学，2016

[2]张丛.基于机器视觉的机械零件的识别研究[D].天津职业技术师范大学，2015

[3]熊超.模式识别理论及其应用综述[J].中国科技信息，2006(6)