精密机械加工零件表面缺陷检测算法

   随着对精密仪器表面加工要求地不断提高，作为一种产品质量控制的重要手段，机械加工零件表面缺陷检测技术也被广泛应用于机械表面的加工过程。
由于加工过程刀具行程的变化、材料本身特性以及振动等原因，会在机械加工零件表面形成不同的缺陷。对于这些微小的缺陷，特别是纹理缺陷，通常人眼对其反映很敏感，比较容易识别，
但由于这些缺陷难以进行数学描述，也难以使用计算机进行自动识别，所以迫切需要提出一种有效的机械加工零件表面缺陷检测算法。
由于大量的纹理分割方法不断出现，并被用于产品检测，因此出现了很多不同产品缺陷检测方法。如，采用Gabor滤波器组的检测方法和基于结构分析的方法等。这些缺陷检测方法虽然
在特定应用环境中具有较好的分割效果，但也存在着一定的缺点，如基于Gabor滤波器的方法，需要根据样本估计滤波器的参数，因此对于非监督分割无能为力，而基于结构分析的方法对
随机性纹理图像的分割效果不佳，并且这些缺陷检测方法主要用于检测尺寸较大的缺陷，而对于小尺寸缺陷的检测效果较差。精密机械加工零件表面的缺陷尺寸一般都比较小，同时由于
其表面的缺陷信息无法预先得知，故其表面图像分割是一个非监督纹理的分割问题，因此现有的纹理分割方法不适用。鉴于机械加工零件表面缺陷的上述特点，提出了一种基于共生矩阵和
模糊聚类相结合的分割方法来对机械加工零件表面进行缺陷检测，同时为了自适应确定纹理分割区域数，引入了一种基于类内方差和类间方差的有效值函数。该方法首先采用共生矩阵提取
加工表面的纹理特征向量，然后用改进的模糊C-均值算法对特征向量进行聚类分析，算法可以准确的检测出机械加工零件表面的缺陷信息。
一个工件的表面是否好直接关系到整个工件，所以对工件表面的缺陷我们不能忽视.

下一个：机械加工铸件的要求