最新【精品】范文参考文献专业论文探究机械加工零件表面纹理缺陷检测探究机械加工零件表面纹理缺陷检测摘要：为了进一步提高机械零件产品加工质量，本文在这里主要从以下方面针对机械加工零件表面纹理缺陷检测进行了简单分析与探讨。关键词：机械加工；零件表面；纹理缺陷；检测目前，对于机械加工零件纹理缺陷进行稳定可靠的检测并分类，具有一定的挑战性，并且具有重要的意义和价值。因此，对机械加工零件表面纹理缺陷检测的探讨有其必要性。一、研究背景在竞争高度激烈的现代化工业生产中，机械加工零件表面纹理缺陷检测已经成为产品质量检测与控制的一种重要方法和手段。但是在现代化的机械加工产业中，加工时由于受到各种因素的影响，导致刀具发生了变化，加上材料本身的特性、振动，必然就会出现刀具损伤以及抛光处理不全理等问题，最终在刀具的表现形成擦伤、方向不正、外观变形、反光特性不理想。而这些微小的缺陷大多数情况下通过人的肉眼就可以识别，尤其是对于纹理缺陷，通常人对其的反应敏感而又灵活，但是要想对其进行数学描述是存在着一定难度的。因此，对于工件缺陷检测和分类就成为当前的一项重要工作的任务。随着现代机构加工要求的不断提高，机械加工零件表面纹理缺陷检测也得到广泛应用，并且这些检测方法多种多样，包括基于结构分析的方法，滤波器检测法等，在特定的环境下，这些缺陷方法具有良好的应用效果，但是也存在着一定的不足，如滤波器检测法，需要以样本估计参数为标准，为此，要想进行非监督分割并不适用，结构分析法在进行随机性纹理图分割时，其效果不佳，与此同时，大多数的检测方法主要是用于检测尺寸较大的缺陷，所以在对一些尺寸较小的缺陷进行检测时，其效果较差，同时，一些表面的缺陷信息无法预先得知，所以现有的纹理检测方法适应性不足。鉴于以上问题，必须要引入一种有效的检测方法，即利用共生矩阵提取加工表面的纹理加特征向量，采用均值算法，对其进行聚类分析，从而得到准确的缺陷信息。二、缺陷检测机械加工零件表面纹理缺陷检测，在实际检测时主要采用荧光光源系统、摄像机、显微镜等，并结合计算机系统，进行机械零件表面纹理的数据的采集，通过快速傅里叶变换的作用，转换成频谱图像，同时，不宁采用频域滤波器进行处理，其根本目的就是为上增强缺陷纹理图像的清晰度，抵制背景纹理，然后，通过快速傅里叶将其还原成为空间域图像，并在此基础上，采用图像形态学运算和图像分割法，将背景纹理图像与缺陷纹理图像分离，具体的纹理缺陷检测系统力图如图1所示：系统能在线对生产制造过程中产生的表面瑕疵进行高速、精确的检测，并且能根据表面瑕疵的特征，实时截图瑕疵保存，按客户要求可以实时在线报警提示、记录保存瑕疵坐标位。三、纹理特征在机械加工中，如刨削、磨削、铣削等工艺加工出的零件表现，由于整个刀具行程的影响，就会在零件表面形成不同的纹理，这些纹理方向性较强，多数情况下呈现条纹状分布，图2就是一些具有代表性的典型的纹理。对机械加工零件表面的纹理图像有一定的了解后，其还对应着频谱幅值图，具体如图3所示：根据图3的显示情况来分析，我们可以知道，图像能量主要分布于纹理的垂直方向上，从图中显示可以看出些区域像素点的频谱幅值相对较大，并呈现线性变换，也正是因为如此，空域图像的信息就可以完全无损地保持到频域中，而对于其方向上的纹理属性而言，则主要集中反映在频谱图中与纹理方向垂直的方向上，为此，从这个角度来分析，若是采用滤波器抑制频谱能量集中区域，这个区域的能量就是抑制，与之相应的其对应纹理特征也会削弱，以此来使得缺陷纹理增强，有利于更好的识别与分类。四、检测算法对于滤波后的图像，背景纹理图像被抑制，那么缺陷纹理图像则增强，这样，就可以采用简单的分割方法进行图像分享，从而将背景纹理与缺陷纹理区分开不。而在图像分割后，除了缺陷目标抑止，还有相应的噪声点，为此，还需要对其进行进一步的处理，具体从以下方面入手：1.提取纹理图像特征机械加工零件表面纹理缺陷检测中最为关键的一步就是纹理图像特征的提取，主要是由于其所得到的图像还需要用于后续图像处理，如图像分割、模式识别等，在提取图像时，可以采用二阶统计度量，即利用统计像素的空间关系，得到共生矩阵，同时，在提取图像时还要通过计算机系统的处理，整合机械零件表面纹理数据，经过傅里叶变换，对其特征进行进一步的区分。同时，考虑到噪声是随机性的，为此，图像上就会出现随机分布的孤立点，然后再对其进行开运算处理，这样，既可以将这些孤立点消除，又可以将分割图像时所产生的误差而消除。2.纹理图像分割当缺陷特征转换成频谱图像后，采用频域滤波器进行处理，由于其分割为非监督纹理分割问题，为此，就需要采用基于目标函数的聚类方法，其中，使用最为广泛的就是C-均值聚类方法，其主要原理就是将样本进行划分，使得各个样本与其所在的各类均值