基于图像识别的机械零件质量检测方法

詹芝青

摘要：现代工业对于机械零件的质量要求越来越高，因此在机械加工中保证零件的质量十分重要，本文围绕基于图像识别的机械零件质量检测方法进行综合探讨，首先对机械零件质量检测中所应用到的图像识别技术进行了常用类别介绍，然后对具体的图像识别技术检测应用方法进行了阐述。

关键词：图像识别技术;机械零件;质量检测;应用方法

引言

目前的机械零件质量检测技术应用水平仍处于发展中，图像识别技术就是众多机械零件质量检测技术中较为常用的一种。相关操作人员通过操控该技术进行质量检测能够实现对机械零件尺寸的精准把握，从而让机械零件成品呈现出良好的应用价值。

一、机械零件质量检测中的图像识别技术

1模糊匹配识别技术

模糊匹配识别技术是一种较为基础的识别技术，应用模板对检测图像中的一些区域进行检测，然后在矩阵中形成对应的符号和数字。例如机械零件，利用同类模板进行图像比对，然后在实际操作中对相同模板的物体进行替换。在进行模板匹配的过程中，从待识别图像中提取若干特征向量与模板对应的特征向量进行比较，计算图像与模板特征向量之间的距离，用最小距离法判定所属类别，这种技术的实际操作会受到现实情况的限制，例如拍摄角度，光线亮度，背景改变等，因此在目标匹配中需要更多的模板，并且应该具有一定的适配性，从避免机械零件设计过程中出现浪费现象。

2神经网络识别技术

神经网络识别技术的概念就是通过某种特定的方式让大量神经元实现相互连接，从而构成复杂的神经网络系统，在图像识别质量检测中，单个神经元的检测能力较为简单、有限，但是由多个神经元组成的神经系统结构则较为复杂，并具备单个神经元的所有功能，是一种极为强大的检测系统，这种神经网络系统会模拟人工智能，实现模拟、抽象以及简化操作。

对于神经网络识别技术而言，能够对人的感知过程进行虚拟模拟，这样就使得这项技术具备了自主学习能力以及较强的识别能力，应用该项技术进行机械零件质量检测不仅能够代替人工检测的方式，而且精度较高，检测方式也较为灵活。在检测中，对于需要同时考虑的多种条件以及多种影响因素，神经网络识别技术都能够很好适应，并对图像识别进行精准处理。

但是这种技术也存在一定的缺陷，就是神经网络系统的训练周期较长，并且训练所需的数据量较大，因此整个收敛精度较慢，不成熟的神经网络识别技术识别精度很难达到相关要求，并且深度学习技术对于小目标物体的检测也有很大限制。

3统计识别技术

统计识别技术是针对研究物体进行图像统计和分析，以此来找出物体外在和内在的客观规律，并反映出物体本质的图像特征，通过这些数据进行图像识别。统计识别技术主要是以书序模型作为基础，该技术应用的过程中产生的误差会非常小。最为常用的统计识别模型主要包含两种，其一是马尔科夫的随机场模型，其二是贝叶斯模型，统计识别技术是基于数据进行识别的一种技术，在估算概率问题时会受到数据限制。

二、图像识别技术在机械零件质量检测中的应用方法

1图像分析

图像分析的内容主要体现在几个方面。其一，二值化的图像处理在计算机處理中发挥着重要的作用，它属于传统的opencv图像处理技术，主要包括：最大类间方法法（OSTU），迭代阈值法，P分位法，基于最小误差的全局阈值法、局部阈值法、全局阈值与局部阈值相结合的方法，二值化图像处理能够更好地分析出图像的固有特点，并对图像中的分析对象进行分离，从而在分离对象中提取二值化对象。其二，从图像分割层面分析，图像分割过程中所应用的技术种类较多，有直接、间接、多限门的技术使用等，在多限门技术中，该项技术能够根据目标区域的灰度来分割图像，比较常用的有基于形态学的分水岭分割算法。其三，在检测图像边缘的过程中，检测数据表达的图像特征主要体现在图像的灰度、图像的纹理以及线条特征、图像的角点等，还有一些其它的非图像特征，例如幅度以及变换系数等。图像边缘检测算法主要有Sobel， Scarry， Canny， Laplacian，Prewitt， Marr-Hildresh等算子。

2图像识别

机械零件质量检测中的图像识别主要包含两个方面的内容。

其一是选择特征参数，机械零件可能出现点蚀、结构缺陷、裂纹和折断等问题，在选择特征参数的时候应该根据具体的质量问题来选择合适的特征参数，然后对图像进行分析，从而获得更多的信息，可以采用预处理等方式来选择图像的形状特征，然后对图像的形状特征进行综合比对，形状特征中需要进行参数提取的单位有图像的凸凹度、图像的矩形度、图像的圆度、图像的伸长度这四种参数，针对图像的凸凹度形状特征而言，主要计算公式为O=t/L，L为图像的总周长，t则代表图像同向码的最大值。

其二是对特征的提取，在对图像的特征进行提取的过程中，通常采用的方式为数据形态学，依据数据形态学来对图像的形状特征信息进行提取能够精准地把握图像的轮廓，对图像轮廓进行跟踪标记，跟踪标记技术首先需要对图像进行检测，然后对图像中特定的点进行跟踪，然后对跟踪得到的参数进行运算，并不是所有的点都需要跟踪，特定的点主要是指能够代表图像形状特征的点，因此这些点的数量也有限，为图像的标记跟踪技术使用降低了操作难度，采用轮廓跟踪技术进行图像检测跟踪需要注意一些技术应用方面的问题，其中最为重要的问题就是当跨步到黑区后，再向白区跨步，那么需要进行跨步右转，直到跨出白区位置，当对象循环一周后回到起点时，整个循环的轨迹路径就是对象物的主要轮廓。

三、结束语

综上所述，机械零件在制造或者运行的过程中难免会出现一些破损情况，这些破损会造成机械零件的质量问题，例如出现裂缝、折断或者机械零件的表面缺陷，这些质量问题都会严重影响到机械零件的正常运行质量和使用寿命，如果机械零件参与到生产中，那么生产的安全系数就会大打折扣，因此需要对其进行定期或者不定期的图像识别技术检测，以此来维护机械零件的质量。

参考文献：

[1]方强.机械零件质量检测中图像识别技术的应用[J].山东工业技术.2018（07）

[2]陈红玉.试论图像识别技术如何运用于机械零件质量检测[J].山东工业技术.2018（11）

[3]刘烜.探讨图像识别技术在机械零件质量检测中的运用[J].科技视界.2019（08）