探讨图像识别技术在机械零件质量检测中的运用

刘 烜

（广西农业机械研究院，广西 南宁530007）

0 前言

在传统的机械零件的质量检测中，传统人工检测的方式，由于质量检查人员在长时间的工作状态下，人眼容易疲劳，并且还有一些地方是人工检查不到的地方，这样就不能够保证机械零件百分百的合格率。随着经济与科技的快速发展，计算技术、信息技术以及自动化技术被广泛的开发和应用在众多领域中，其中图像识别技术在机械零件质量检测中的运用，有效的解决了传统人工检测的弊端，显著的降低了质量检测人员的工作量，并且还提高了质量检测的质量以及效率，提高了机械零件质量检测的自动化水平。

1 图像识别技术在机械零件质量检测中的应用

1.1 机械零件质量检测中的图像识别技术

机械零件质量检测中的图像识别的技术有许多，其中主要包括以下几个方面：

1.1.1 模板匹配识别技术

该种识别方法是最基本的一种识别技术，所谓模板指的是为了检测待识别机械零件图像的某些区域特征，以数字量或者符号串的形式形成矩阵，将已知物体的图像与模板中所有的未知区域进行比较，然后将某一个未知的物体和该模板进行匹配，因此该物体将会被认为是和模板相同的物体。模板匹配技术的操作非常简单，但是有一定的限制，因为为了匹配所有物体的尺寸以及方向，就需要设置数量庞大的模板，在匹配的过程中需要设计和储存大量的模板，这在经济上会造成一定的浪费。

1.1.2 神经网络识别技术

神经网络识别技术指的是由大量的神经单元（处理单元），通过某种特定的方式相互连接构成的复杂神经网络系统，虽然单个神经单元的结构与功能相对简单，但是由数量众多的神经单元组成的神经网络系统具备了复杂的结构以及丰富多彩的功能，神经网络系统可以看成是人脑神经网络系统的模拟、抽象以及简化。神经网络识别技术能够模拟人的认知和感知过程，具有分布式的自主学习和识别功能。神经网络识别技术具有自适应和自学习的能力、独特的联想记忆和组织能力、较强的荣测性以及大规模储存和综合优化处理等能力，能够适应并处理需要同时考虑众多条件和因素的问题。但是在实际的应用过程中，神经网络识别技术具有训练时间长、训练量大、收敛速度慢、识别精度低等方面的缺点。

1.1.3 统计识别技术

统计识别技术是对研究物体的图像进行大量的统计和分析，以此找出物体的规律以及反映物体本质的图像的特征来进行图像识别。统计识别技术以书序模型为基础，是一种分类误差非常小的识别技术。目前，最常用的统计识别模型包括马尔科夫的随机场模型以及贝叶斯模型，统计识别技术基于数据的基础，在估算概率问题时受到一定的限制，当图像类别数较多、图像非常复杂时，会导致图像的特征数显著的增加，增加了特征提取的难度，特别是统计识别技术在识别染色体、指纹等的主要特征时，其难度更大。

1.2 图像识别技术在机械零件质量检测中的运用

活塞销是重要的机械零件，活塞销在使用的过程中会产生各种形式的损坏，严重的营销了该机械零件的使用性能，给生产带来严重的安全隐患，因此，为了消除活塞销的质量问题，应该对活塞销进行质量检测，文章以活塞销为例，探析图像识别技术在机械零件质量检测中的应用。

1.2.1 图像分析

图像分析主要包括以下几个方面：其一，二值化图像处理，二值化图像处理在计算机图像处理中占据十分重要的地位，为了分析图像的特性，通常将图像中分析对象物分离出来，然后进行对象物的二值化处理，通过二值化操作后，能够从图像中提出相应的处理边缘；其二，图像分割，图像分割采用的方法包括多门限法、间接门限法、直接门限法，利用门限算法能够将利用背景区域与目标区域在灰度方面的差异，将图像进行分割；其三，图像边缘检测，图像特征指的是图像的原始属性以及特征，其中主要包括文理特征、灰度边沿特征、角点与线条特征、变换系数特征、直方图特征以及幅度德政等，通过图像边缘检测能够很好额识别图像边缘的性能。

1.2.2 图像识别

机械零件质量检测的图像识别包括以两个方面：首先，选择特征参数，机械零件常见的质量问题包括点蚀、不规则缺陷、长形缺陷、裂纹以及折断等，因此在选择特征参数时应该根据具体的质量问题选择合适的特征参数，根据图像分析获得的信息，采用特定的预处理方法选择图像形状特征，然后根据图像的特征，将以下四个参数作为特征参数：（1）凹凸度（O），凹凸度O的计算公式表现为O=t/L，体重t是同向码个数的最大值；（2）矩形度（V），矩形度V的计算公式表现为V=S/（W·H），其中S为检测区域的面积；（3）圆度（C），圆度C的计算公式表现为：C=4·R·A/L2，其中L表示链的长度，A则表示圆形区域的面积；（4）伸长度（E），身长度E的计算公式表现为：E=min（W，H）/max（W，H），E的值越小，则图形区域呈细长形，当E=1时，图形区域的为圆形；其次，特征提取，在进行图像的特征提取时，通常采用的方法为数学形态学，数据形态学获取图像特征信息的方法包括轮廓跟踪法标记图像、标号法标记图像、链码法标记图像，其中轮廓跟踪法标记图像是最常用的俄一种方法，首先对图像点进行检测，然后再进行跟踪运算，并不需要对所有的点都进行复杂的运算，仅仅只需要对，某些特定的点进行检测运算，想要采用轮廓跟踪法标记图像检测和跟踪，应该注意以下几个方面：（1）每次前进一个像素的布距；（2）当跨步从自由区域进入到黑区时，应该先左转跨步，直到进入到黑区为止；（3）当跨步到黑区后，再向白区跨步，在各个跨步右转，直至跨出白区为止，当对象物循环一周之后回到起点，那么轨迹经过的路径就是对象物的轮廓。

2 结束语

机械零件在运行的过程中受到各种因素的影响，不可避免的会出现一些裂缝、断折、缺陷等问题，严重的影响了机械零件的运行质量和使用寿命，给正常生产埋下了严重的安全隐患。因此，为了防止机械零件在运行的过程中不出现质量问题，应该定期或者不定期的对机械零件进行质量检测，其中图像识别技术是新兴的一种检测技术，具有精度高、准确可靠、操作简单等方面的优点，能够有效的解决传统的人工质量检测效率低、劳动强度高、准确度低等方面的缺点。因此，值得将图像识别技术广泛的应用在机械零件的质量检测中。

［1］白锐，杜京义.图像识别技术在钢管焊缝质量检测中的应用[J].仪器仪表学报，2009,30（6）：700-701.

［2］曹志良.图像处理技术在活塞销缺陷检测中的应用[J].中国制造业信息化，2010,40（13）：59-62.

［3］董承全，颜胜才，陈辉，孟军涛.图像识别技术在基桩质量检测中的应用研究[J].工程地球物理学报，2013，10（5）：736-738.

［4］王慧英.图像识别技术在机械零件质量检测中的应用[J].中国机械采购网，2008,1（3）：33-35.