精密機械加工零件表面缺陷檢測算法

   隨著對精密儀器表面加工要求地不斷提高，作為一種產品質量控制的重要手段，機械加工零件表面缺陷檢測技術也被廣泛應用于機械表面的加工過程。
由于加工過程刀具行程的變化、材料本身特性以及振動等原因，會在機械加工零件表面形成不同的缺陷。對于這些微小的缺陷，特別是紋理缺陷，通常人眼對其反映很敏感，比較容易識別，
但由于這些缺陷難以進行數學描述，也難以使用計算機進行自動識別，所以迫切需要提出一種有效的機械加工零件表面缺陷檢測算法。
由于大量的紋理分割方法不斷出現，并被用于產品檢測，因此出現了很多不同產品缺陷檢測方法。如，采用Gabor濾波器組的檢測方法和基于結構分析的方法等。這些缺陷檢測方法雖然
在特定應用環境中具有較好的分割效果，但也存在著一定的缺點，如基于Gabor濾波器的方法，需要根據樣本估計濾波器的參數，因此對于非監督分割無能為力，而基于結構分析的方法對
隨機性紋理圖像的分割效果不佳，并且這些缺陷檢測方法主要用于檢測尺寸較大的缺陷，而對于小尺寸缺陷的檢測效果較差。精密機械加工零件表面的缺陷尺寸一般都比較小，同時由于
其表面的缺陷信息無法預先得知，故其表面圖像分割是一個非監督紋理的分割問題，因此現有的紋理分割方法不適用。鑒于機械加工零件表面缺陷的上述特點，提出了一種基于共生矩陣和
模糊聚類相結合的分割方法來對機械加工零件表面進行缺陷檢測，同時為了自適應確定紋理分割區域數，引入了一種基于類內方差和類間方差的有效值函數。該方法首先采用共生矩陣提取
加工表面的紋理特征向量，然后用改進的模糊C-均值算法對特征向量進行聚類分析，算法可以準確的檢測出機械加工零件表面的缺陷信息。
一個工件的表面是否好直接關系到整個工件，所以對工件表面的缺陷我們不能忽視.