辊式磨粉机是最主要的制粉设备,喷砂辊作为磨粉机的“心脏”,其表面形貌直接影响面粉质量和经济效益,所以准确判断其表面磨损程度,及时修复或更换喷砂辊,能有效提升面粉品质和产量、减少企业成本,提高效益。本文以实验采集的喷砂辊磨损过程的表面图像为研究对象,基于matlab软件平台,对其图像特征和分形特征随磨损时间的变化规律进行研究,确定了定量表征喷砂辊表面磨损程度的特征参数。最后根据市场需求与实际测量环境,利用机器视觉技术设计了喷砂辊表面磨损程度测量仪,结合喷砂辊表面图像特征变化规律,实现识别其表面磨损程度的目的。本文主要研究内容如下:1.结合实验采集的2M工艺部位DMFT25/1000型磨粉机喷砂辊磨损周期内的表面图像,通过研究图像处理过程的常用算法,以实际磨损40天的喷砂辊表面图像为例对各算法处理结果进行对比,找到了适用于喷砂辊表面图像的处理算法和处理流程,并以此流程完成了整个磨损周期不同时刻的图像处理,获得了磨损过程的二值化图像。2.以数字图像的几何特征和纹理特征提取方法为基础,对二值化处理后的喷砂辊表面图像进行了几何特征计算,对原始灰度图像进行纹理特征计算,分析了各特征量在整个磨损过程中的变化规律,最终确定四个特征参数包括矩形度、等效半径、对比度和熵作为定量描述喷砂辊磨损程度的有效参数,为建立喷砂辊表面磨损程度检测模型打下了基础。3.将分形理论应用于磨粉机喷砂辊磨损形貌的研究,利用盒技术法计算了喷砂辊表面形貌的分形维数,分析说明了喷砂辊表面形貌分形维数随磨损时间的变化规律,结果表明喷砂辊表面形貌具有自相似性及分形特征,将分形维数确定为定量表征喷砂辊表面形貌的有效参数,为建立喷砂辊表面磨损程度识别模型、准确描述磨损状态提供参考。4.将BP神经网络结构运用在喷砂辊磨损程度识别系统中,将有效特征量的数据集归一化后作为神经网络的输入,根据训练目标对神经网络练习,得出了训练结果收敛的神经网络模型,最后使用测试样本确定了模型的有效性。5.根据市场需求以及实际使用场景设计了测量仪的整体结构,利用机器视觉技术,进行硬件选型和箱体设计,结合训练好的识别模型完成了测量仪开发,可以作为检测喷砂辊表面磨损程度的可靠工具。