试论图像识别技术如何运用于机械零件质量检测

摘 要：机械零件质量检测在其生产过程中占据重要地位，通过检测可使零件的质量得到保证，为了获得更佳的检测结果，在机械零件质量检测过程中需要合理使用图像识别技术，提高零件质量检测。在此次研究中文章分析了图像识别技术，在此基础上从三方面对该技术的具体应用情况进行了介绍，以供相关人士交流和借鉴。

关键词：图像识别技术；机械零件质量检测；运用

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

0 引言

随着经济的进步，对机械零件的生产质量也提出了更高要求，所以生产过程中做好相应的检测工作具有重要作用，当图像识别技术在零件质量检测中扮演着重要角色，为了帮助相关工作人员更好的了解该技术，提高零件检测质量，文章从以下几个方面进行了研究。

1 图像识别技术分析

第一，模糊匹配是常用的最为基础的识别技术，所用模版主要是为了可以更好的检验图像中的一些区域，在矩阵形成的过程中主要借助符号和数字的方式加以呈现，在已知物体选中的基础上，同模版中的图像进行匹配，所以在实际操作中也可能将其当作模版相同物体。在模版匹配过程中，需要有较强的技术，且操作较为简单，但实际操作中由于各种因素的影响其使用范围受到限制，影响因素主要为在和目标物体匹配的过程中需要更多模版，在储存和设计的过程中也会造成一定程度的浪费[1]。

第二，神经网络识别技术主要是指在特定方式下将很多神经单位连接在一起，进而构成较为复杂的神经网络体系。单个神经单元的结构和功能较为简单，但不同神经单元构成为一个网络系统之后，结构便变得较为复杂，同时功能较为多样，可对人脑系统网络进行简化、抽象和模拟 [2]。

2 零件检测中出现的问题

第一，机械零件轮廓图像更为模糊，使得检测结果的误差增加，造成该类现象出现的原因主要和摄像头分辨率、光照问题等有关，光照环境的获取也需要考虑很多因素，比如零件反射出现的错误边界等。

第二，一般情况下拍摄图片的分辨率越高，得到的图像更加清晰，检测的部位也更准确，产生的系统误差也更小。硬件在图像分辨率的高低方面发挥着重要作用。此外也可以采用图像插值，即亚像素形式提高图像的分辨率。

第三，在零件轮廓曲线的识别过程中应力求准确，除了包括干扰曲线的剔除外，还包括曲线位置的准确。在曲线获取的过程中应恰当使用边界检测法，对算法加以改进。

第四，在轮廓曲线的定位方面，需要将两个曲线的中心部位合在一起，使转角一样，若检测位置出现偏差会使曲线在比较中出现错误，进而出现系统偏差。

3 图像识别技术的具体应用

（1）焊缝图像预处理过程。此次研究将以零件轮廓的齿合标准轮廓的匹配过程为例进行讲解，比如凹坑形状故障的机械零件在处理的过程中会产生很多不便之处，因为原零件较大，且缺陷主要分布在不规则的凹坑部位表面，在具体的操作过程中需要将其扩大。

从图像的灰化方面分析，由于计算机内存色彩较为丰富，不容易被人们重视。但有关光学的相关研究显示不管哪种色彩都可以用蓝绿红三色通过相关比例将其合成。从理论上说，相同量的色加起来可以得到白色，但在实际操作中人的眼睛对颜色的敏感度均有差异，所以相同量的颜色混合并不能完全形成白色，因此可根据实际情况调整颜色的混合比例。

从图像的平滑化方面分析，图像会出现噪音，原因有多种，主要体现在：在摄像过程中若光学系统处于失真运动、流动状态便会有散点等模糊情况出现，图像质量的好坏也和照明等变化密切相关，和线性滤波相比，自适滤波的效果较好，它在选择、保护图像边缘和相关细节方面有更好的作用，但中值滤波在使用的过程中会使图像中的小目标区域和细线丢失，在综合分析和对比的基础上使用自适滤在处理方面的效果更好。

（2）图像分析。图像分析内容主要体现在：首先，二值化图像处理在计算机处理过程中发挥着重要作用，可以更好的分析图像的特点，对图像中的分析对象可以进行分离，并在此基础上处理二值化对象物。其次，从图像分割的方面分析，在该过程中所用的方法很多，最为常用的有间接、直接、多门限法，在利用门限法的过程中，可根据灰度和目标区域方面的不同分割图像。再次，在检测图像边缘的过程中，这里所说的图像特征主要指灰度、纹理和角点、线条特征，此外还包括幅度、变换系数等方面的特征。

（3）图像识别。在检测机械零件质量的过程中，图像识别主要体现在两个方面：第一，合理选取特征参考数据，机械零件经常出现的问题便是点蚀、不规则缺陷、裂纹和折断等，所以在选择的过程中需要根据质量要求对其进行科学选择。获取有关图像方面的信息，对图像做好相应的预处理，在考虑图像特征的基础上其所需的参数主要体现在伸长度、圆度、矩形度、凹凸度等。第二，在图像特征获取的过程中需要借助数学形态学，具体的方法为：链码、标号法等。但最为常用的是轮廓跟踪法，在具体使用的过程中需要先对图像的点进行检测，之后使用跟踪运算。

4 结束语

综上所述，机械零件检测质量在实际工作中发挥着重要作用，而使用图像识别技术可使检测效果得到保证。文章在分析该检测技术的基础上，从图像识别、图像分析等三方面对其具体应用进行了研究，希望对相关工作人员有所帮助。

參考文献：

[1]孔祥俊.机械零件应用图像识别技术的质量检测方法研究[J].数码世界，2017（06）：160.

[2]赵晓龙.基于图像处理的机械零部件检测技术应用[J].科技创新与应用，2018（12）.175-176.

作者简介：陈红玉（1986-），女，山东济宁人，本科，机械工程师，研究方向：机械工程及自动化。