论文部分内容阅读
为解决工件表面缺陷在铣削纹理背景干扰下识别难的问题,本文基于机器视觉技术研究了一种铣削纹理背景干扰下工件表面缺陷分类识别方法,主要包括铣削加工实验以及工件表面图像采集实验,工件表面铣削纹理背景提取,工件表面铣削背景纹理抑制及缺陷目标分割,工件表面缺陷特征描述以及缺陷特征向量的构建,工件表面缺陷分类识别等方面,针对这些内容,论文开展了如下研究:(1)铣削实验与工件表面缺陷图像的采集。以高速三轴联动加工中心(HNC-180xp/M3)为实验平台,依据切削加工手册选取三组常用加工参数建立三因素三水平正交实验表,分别针对15号钢、45号钢和钛合金TC4开展铣削实验,以获取具有不同背景纹理的工件表面。基于经验知识描述工件表面常见缺陷的特征,然后针对工件表面进行图像的采集。(2)铣削工件表面纹理背景提取。对采集到的图像进行维纳平滑去噪,针对传统灰度共生矩阵算法采用同一量化区间导致计算复杂度高的问题,提出针对图像纹理变化频率不同的区域采用不同的灰度级量化的方法来进行改进。基于改进后的灰度共生矩阵算法提取工件表面背景纹理,获得工件表面背景纹理图。(3)工件表面背景纹理抑制与缺陷目标分割。将工件表面背景纹理图均分成若干大小相同的像素方块,随机抽样其中若干幅像素方块依次排列成图像矩阵,以近似代表非缺陷区域背景纹理,并作为输入进行非负矩阵分解降维,依次将分解出的基矩阵同背景纹理图中相同大小像素方块求欧式距离,求出距离平均值并赋值给背景纹理图中相应像素方块的中心像素点以抑制背景纹理突显缺陷目标,然后采用K-means聚类算法对工件表面背景纹理弱化图进行二值化处理,实现铣削纹理背景干扰下的工件表面图像缺陷目标分割。(4)工件表面常见缺陷特征描述。依据缺陷目标的几何特征对缺陷特征进行数学化描述,并构建用于分类识别的缺陷特征向量集。(5)工件表面缺陷分类识别模型建立与验证。依据缺陷特征集,设计二叉树支持向量机分类器,采用自上而下分裂的方式构造二叉树结构,将工件表面常见缺陷进行分类识别。理论分析和实验结果表明:本文所建立的缺陷识别与分类方法,能够有效从具有铣削纹理背景的图像中准确分离出缺陷目标并进行分类识别。该方法对背景纹理干扰不敏感,准确率高,为实现工件表面缺陷无损检测提供了一种新思路。