文献类型：期刊文章

作　　者：魏万珍[1] 田建艳[1] 姜茜[2] 杨胜强[3]

WEI Wanzhen;TIAN Jianyan;JIANG Qian;YANG Shengqiang(College of Electrical and Power Engineering,Taiyuan University of Technology,Taiyuan 030024,China;Langfang North Tianyu Electromechanical Technology Co.,Ltd.,Langfang 065000,China;College of Mechanical and Vehicle Engineering,Taiyuan University of Technology,Taiyuan 030024,China)

机构地区：[1]太原理工大学电气与动力工程学院,太原030024 [2]廊坊市北方天宇机电技术有限公司,廊坊065000 [3]太原理工大学机械与运载工程学院,太原030024

出　　处：《现代制造工程》

基　　金：山西省重点研发计划项目(201903D121057);山西省自然科学基金重点项目(201801D111002)。

年　　份：2022

期　　号：5

起止页码：100-109

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对随机采样图像法检测零件表面粗糙度时表面图像特征不能有效表征表面粗糙度的问题,提出并搭建了连续自动多区域图像采集系统,在此基础上建立了一种零件表面粗糙度支持向量机检测模型。首先采用单片机、步进电机、数字显微镜和上位机等搭建图像采集系统,连续自动采集零件表面多区域的图像,避免了单点随机采样导致的信息不全问题;其次,对采集的图像进行预处理,对比不同灰度化方法下的像素分布,提出了一种基于像素分量作比相加的灰度化改进方法,使得图像细节反差和纹理变化更明显;在此条件下,基于灰度共生矩阵提取了零件表面纹理特征,使其能够更好地辨识零件表面粗糙度;最后建立了零件表面粗糙度支持向量机检测模型,并以45钢零件为例进行不同表面粗糙度等级的零件检测,其检测准确率均在95%以上。通过对比实验表明,该方法的检测精度更高,可用于零件表面粗糙度的综合检测。

关 键 词：零件表面粗糙度  图像技术 灰度化改进  纹理特征提取 支持向量机

分 类 号：TH878[仪器类]