测量技术是工业发展的基础。从生产发展的历史来看,机械加工精度的提高总是与测量技术的发展水平密切相关的。几何量测量技术也是随着科学技术的发展而发展,随着加工精度的提高而完善的。目前,同心度测量作为几何参数测量领域中的一种已经广泛应用于许多领域。喇叭的同心度参数是衡量其性能的一个关键指标,直接影响喇叭的音质效果。而传统的同心度测量仪满足不了小尺寸的测量精度要求,无法直接用于微型喇叭的同心度检测工作。据此,本文设计一套可以用于微型喇叭同心度检测的方法。在同心度检测过程中,如果得到了喇叭内外圆的边缘很容易就可以求得同心度参数。那么本文的重点工作就是要提取喇叭内外圆的边缘。本文的研究对象是微型喇叭,喇叭内外圆区域的材质、颜色相同。其内圆依靠凹凸的立体差异来获得。经实验,图像易受光照、背景等的影响,传统的边缘检测算子并不能很好的提取出内外圆的边缘。由此在文中引入了支持向量机理论,用支持向量机识别图像的边缘具有非常优异的统计性能,由此来有效地完成喇叭图像的边缘提取。最终得到喇叭的同心度参数。本文的主要研究内容可归纳如下:1.介绍了机器学习领域的研究热点支持向量机理论的发展概况。支持向量机在解决小样本、非线性及高维模式识别问题中表现出了许多特有的优势,在模式识别、函数拟合等方面都有很好的应用。并对支持向量机在图像处理方面的应用作了介绍。2.利用支持向量分类理论进行边缘提取。通过仿真结果得出,该方法适用于灰度直方图呈双峰分布的喇叭图像,对不满足双峰分布的图像,并不能准确地提取出图像的边缘。3.针对微型喇叭同心度检测的研究,在支持向量回归(SVR)理论表示图像的基础上,把边缘检测和SVR图像的特点结合起来,提出了基于SVR图像的边缘检测方法。仿真结果表明该算法可以很好地提取出喇叭图像内外圆的边缘。4.以MATLAB作为仿真软件,结合使用LIBSVM软件包,构建一个软件仿真平台。对微型喇叭图像进行内外圆边缘提取和轮廓跟踪,进而得到喇叭的同心度参数,并对引起误差的来源进行分析。测试结果表明,本套设计方法是可行的。