【技术实现步骤摘要】
基于图像的零件表面粗糙度支持向量机检测方法及系统
[0001]本专利技术属于检测
，具体涉及一种基于图像技术的零件表面粗糙度支持向量机检测方法及系统。
技术介绍
[0002]零件表面粗糙度是现代机械制造中评价零件表面质量的重要指标之一。图像技术具有信息量大、非接触、成本低等优点，对于零件表面粗糙度的非接触检测效果明显。目前现有的基于图像的粗糙度检测方法采样随机，无法全面采集整个零件表面，且提取的零件表面特征无法有效表征粗糙度，这些问题会大大影响粗糙度的检测精度，进而对精密零件的装配性能、耐磨性能、抗疲劳性能等造成重大影响。因此，需要设计一种基于图像技术的零件表面粗糙度的检测模型来实现粗糙度的全面非接触检测。
技术实现思路
[0003]针对上述情况，本专利技术的目的在于提供一种基于图像的零件表面粗糙度支持向量机检测方法及系统，其可以将零件表面自动划分为多个合适大小的区域，连续多区域的全面采集零件表面图像并提取能有效表征零件表面粗糙度的特征，进而完成粗糙度的检测，避免了采样随机和提取的特征无法有效表征零件表
【技术保护点】
【技术特征摘要】
1.一种基于图像的零件表面粗糙度支持向量机检测方法，其特征在于，包括以下步骤：S1利用零件表面划分方法将零件表面划分为合适区域，通过零件表面图像采集系统采集零件表面各区域图像；S2对零件图像进行图像预处理；利用像素分量作比相加法将零件表面图像转为灰度图像，使用高斯窗口进行滤波处理；S3基于灰度共生矩阵提取图像的能量、熵、惯性矩、相关性这四种纹理特征，并对它们分别求取均值和方差生成8维特征向量作为支持向量机的输入；S4支持向量机检测模型输出粗糙度值，通过上位机界面显示零件表面粗糙度值检测结果。2.根据权利要求1所述的检测方法，其特征在于，步骤S1中，所述零件表面的划分方法如下：将零件平均地划分为多个区域，当划分区域的面积小于数字显微镜可视面积时，认为划分有效，可用于粗糙度检测；当划分的区域面积超过数字显微镜可视面积时，对超过数字显微镜可视面积的区域进行二次划分，仍然平均地划分为多个区域进行检测，以保证二次划分区域小于数字显微镜可视面积，如果划分依旧无效，则进行三次划分，以此类推，直到所有划分的区域面积都小于数字显微镜可视面积。3.根据权利要求1所述的检测方法，其特征在于，步骤S1中，采集零件表面各区域图像包括以下步骤：S11、将零件放置在水平托盘的采样点，上位机发送图像开始采集信号，单片机接收信号，输出PWM波，步进电机带动水平托盘及其上零件转动到划分区域；S12、单片机暂停PWM波输出，向上位机发送图像采集信号；S13、上位机接收图像采集信号，控制数字显微镜采集零件图像并将其保存到上位机，然后通过串口向单片机发送图像采集完成信号；S14、单片机接收图像采集完成信号，继续输出PWM波驱动步进电机，重复S11、S12、S13步骤，直至零件划分的全部区域采集完成。4.根据权利要求1所述的检测方法，其特征在于，步骤S2中，利用维数为3
×
3，标准差为0.8的高斯窗口对零件表面灰度图像进行高斯滤波操作。5.根据权利要求1所述的检测方法，其特征在于，所述S3的具体方法为：提取零件表面纹理特征，建立零件表面纹理特征与零件表面粗糙度的关系模型；通过分析零件表面图像中点(x,y)灰度为i的像素与点(x+a,y+b)灰度为j的像素同时出现的概率，构建概率矩阵P(i,j)，其公式为：概率矩阵式中，i＝1,2,...,M；j＝1,2,...,N；f(x,y)和f(x+a,y+b)表示零件表面图像中像素点(x,y)、(x+a,y+b)的灰度值；基于灰度共生矩阵，提取如下特征：能量、熵、惯性矩、相关性，计算过程分别如下：能量
熵惯性矩相关性式中：M、N分别为零件表面图像中水平与垂直方向上的像素数量；μ为零件表面图像像素点均值；x'和y'分别代表零件表面图像水平和垂直方向的梯度；l表示零件表面图像像素点的灰度级；L表示最大灰度级，L＝255；P(l)为零件表面图像中灰度级为l的像素占比。生成特征向量，分别求取W
A
，W
B
，W
C
，W
D
的均值W
A1
，W
B1
，W
C1
，W
D1
和方差W
A2
，W
B2
，W
C2
，W
D2
作为描述零件表面纹理的特征，并以此8个特征生成8维特征向量作为支持向量机的输入。6.根据权利要求1所述的检测方法，其特征在于，所述S4的具体方法为：S41、基于支持向量机的粗糙度检测模型的输出值可表示为如下所示的非线性回归模型：非线性回归模型Ra
模型
＝w
T
...
【专利技术属性】
技术研发人员：田建艳，董良振，魏万珍，高云松，郭恒宽，杨胜强，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。