1 机械零件质量检测中相关图像识别技术

1.1 模糊匹配识别技术

这种识别方法属于一种最基础的识别技术， 而其中所应用的模板所指的就是为能够对待识别零件图像中相关区域特征进行检验， 通过数字量形式或符号串形式使矩阵得以形成， 选择已知物体图像， 将其与模板中全部未知区域实行比较， 在此基础上将某未知为题与该模板实行匹配， 因而该物体也就会被当作与模板相同有关物体。对于模板匹配技术而言， 其操作比较简单， 然而在实际应用过程中有一定限制存在， 这主要是由于为能够与所有物体在尺寸及方向方面进行匹配， 需要放置数量较多的相关模板， 在实际匹配过程中需要对大量模板实行设计及储存， 从而也就会导致一定经济浪费。

1.2 神经网络识别技术

对于神经网络识别技术而言， 其所指的就是通过偶某种特定方式， 使大量神经单元实现相互连接， 从而使复杂神经网络系统得以构成， 虽然单个神经单元所具备功能及结构相对比较简单， 然而由多个不同神经单元所组成神经网络系统的结构比较复杂， 并且具有比较丰富的功能， 可将其当作对人脑神经网络系统实行模拟、抽象及简化。对于该技术而言， 其能够对人的认知过程及感知过程进行模拟， 具备分布式自主学习能力以及识别能力， 对于需同时考虑各种不同条件及因素的相关问题， 可较好适应， 并且较好进行处理。但神经网络识别技术的缺点就是训练时间比较长， 训练量比较大， 并且收敛精度比较慢， 同时识别精度较低等。

2 机械零件质量检测中图像识别技术的应用

2.1 图像分析

在图像分析方面， 其所包括的内容主要有以下几点：第一， 二值化图像处理， 这一点在计算机图像处理中占据重要地位， 为能够对图像特性进行较好分析， 通常情况下需要分离图像中相关分析对象， 而后二值化处理对象物， 经过二值化操作， 可将相应处理边缘由图像中提出。第二， 图像分割， 在图像分割方面所选择的方法较多， 主要有多门限法、直接门限法及间接门限法， 通过对门限算法进行利用， 可依据在灰度方面背景区域及目标区域存在差异， 对图像实行分割。第三， 图像边缘检测， 对于图像特征而言， 其所指的就是图像影视属性以及特征， 其所包括内容主要为灰度边缘特征、文理特征以及角点与线条特征， 还包括变换系数特征、幅度特征等相关内容， 利用图像边缘检测， 可对图像边缘性能较好识别。

2.2 图像识别

在机械零件质量检测中， 对于图像识别而言， 其主要包括两个方面内容。首先， 对特征参数进行科学合理选择， 机械零件中较常见质量问题主要就是不规则缺陷、点蚀、长形缺陷及折断与裂纹等。因而在对特征参数进行选择过程中， 应当依据具体质量问题对适当特征参数进行合理选择。依据图像对所获得信息进行分析， 选择特定预处理方法对图像特征进行选择。在此基础上依据图像特征， 选择以下四个方面参数当作特征参数， 分别为凹凸度、矩形度以及圆度与伸长度等。其中凹凸度的计算公式为t/L, t表示同向码个数最大值；矩形度计算公式为S/ （W·H） , 其中S表示检测区域面积；圆度计算公式为4·R·A/L2, 其中L为链长度， A表示圆形区域编辑；伸长度计算公式为min （W, H） /max （W, H） , E值越小， 则表示图形区域月呈现为细长形， 在E值为1的情况下， 图形区域表示为圆形。其次， 特征提取， 在提取图像特征时， 通常情况下所选择方法就是数学形态学。在获取图像特征信息方面， 所应用数据形态学方法主要包括标号法、轮廓跟踪法以及链码法， 其中比较常用的就是轮廓跟踪法。首先需要监测图像点， 在此基础上实行跟踪运算， 且不必对所有点实行复杂运算， 只需要检测运算某些特字鞥点。在利用轮廓法对图像进行检测及跟踪过程中， 应当对以下几个方面加强注意；其一， 每次前进布距应当控制在一个像素；其二， 在由自由区域相黑区跨步时， 应当先向左转跨步， 一直到跨出白区为止；其三， 在跨步到黑区之后， 再次向白区进行跨步， 应当注意向右转跨步， 一直到由白区跨出。在对象物进行一周循环之后， 使其返回到起点， 则这一轨迹所经过路线即为对对象物轮廓。

3 结语

机械零件质量检测是当前机械零件生产中一项重要任务及内容， 也是保证机械零件质量的重要方法， 因而较好开展机械零件质量检测也就十分必要。在当前机械零件质量检测中， 通过对图像识别技术进行较好应用， 可使机械零件质量检测水平及效果得以有效提升。所以， 在机械零件质量检测过程中， 相关检测技术人员应当将图像识别技术较好掌握， 并且应当对该技术进行科学合理应用， 保证图像识别技术发挥更好作用及功能， 促使机械零件质量检测效果得以增强， 以更好保证机械零件质量。