1.引言
本文主要研究了影象識別在軸承孔徑檢測中的應用,通過對實驗結果進行分析，找到有效提高感測器成像精度、減小噪聲等方法來改進感測器採集資料質量和提升系統解析度。通過實驗分析出其中存在問題，並將其改進，從而獲得更加準確和有價值資訊。本課題的難點:由於機器視覺系統屬於非線性體敏感元件，而傳統意義上線性變換是非平穩隨機過程;線性規劃方法也無法解決非連續優化性問題。
1.1 軸承孔徑檢測系統的組成
在工程中，軸承孔徑檢測系統主要由三個部分組成:影象採集模組、背景資訊提取模組和實驗資料處理與分析平臺。影象獲取是指通過各種感測器來獲得所需的運動引數。該過程可用於實時監測並對其進行量化研究;預處理包括濾波重建及邊緣提取等操作;由於噪聲干擾，在實際應用中通常需要將軸承孔徑訊號。本文研究的內容是影象識別在軸承孔徑檢測中，主要包括了預處理。將灰度變換、邊緣提取和邊緣定位等相關方法進行整合。二值化。對波峰產生過程進行分析，並確定閾值選擇原則;根據噪聲標準訊號來判斷是否有噪音出現;然後通過模板匹配技術實現影象的輪廓與特徵分離以達到最佳識別效果,從而保證後續工作順利進行。攝像機用於記錄運動物體(如軸或盤)在空間中走勢，並控制其向投影,拍攝所需要的圖片，同時採集每個畫素點對應於該載體上所有物件位置資訊;鏡頭通過攝像頭收集到資料後傳送給處理器進行計算運算;計算機則將影象處理結果實時地存放在記憶體上以待識別系統分析的時間週期內。
1.2 孔徑測量
孔徑測量的方法有很多種,例如:光學感測器法、紅外探測器技術和磁粉檢測器法等等。但其應用範圍比較廣泛。光學感測器是用來對太陽光進行折射或反射的種非接觸式測角儀器;光電轉換器件將被轉化為電訊號輸出;在一些特殊場合下也可以使用孔徑測量儀來測量軸上或者偏心位置，如:鐳射探傷、電磁感應檢測等都可用於孔徑測定和精密度。孔徑測量是一種對物體表面的徑向或軸心進行無接觸式稱重方法。其工作原理為:首先由感測器獲取待測零件在不同位置上的垂直方向和水平方向上兩部分，並記錄下資料,然後將這兩個數值計算平均值得到該平面內任意點對應0-1m影象。根據測得結果確定出所需檢測孔數及尺寸後即可測量徑值或軸心直徑等引數作為參考依據可進行定位、標定工作。為了提高孔徑檢測的精確度，需要對運動著、結構複雜且有嚴格要求工件加工位置進行準確測量。通常採用的是光學掃描方式來獲取孔徑資訊。但是由於相機在拍攝過程中可能會存在曝光誤差等因素導致其成像不夠精確,所以通過影象處理方法獲得了較好的精度和解析度後就可以利用投影法或其他形態學方法實現孔徑檢測工作，即基於空間分析特徵提取出有效地、完整且可描述的邊緣區域並對這些輪廓進行準確識別以作為最終孔徑資訊。
1.3 影象成像
本文使用的影象預處理演算法是基於Matlab軟體開發平臺所提供。該程式首先通過對運動目標進行測量,將採集得到的資料匯入到計算機中，然後經過解算後獲得了最終模型。在整個過程中採用的是變換域法來完成影象成像:①先把待拍攝物體分割成不同區域;②再根據輪廓形狀特徵選擇相應畫素點;③最後再掃描所有感測器獲取完整影象並計算出投影面積和相干長度從而形成一個新圖象。影象處理和成像的目的都是為了獲得清晰、完整的目標資訊。在實際應用中，我們通常採用兩種方式實現:(1)將待測物體放在光學系統上。由於灰度分佈是不均勻性因素存在於其中，所以一般情況下無法進行標定校準;(2)用一定半徑長度或寬度比尺量出一個點或一組影象來表示影象物件特徵資訊的過程稱為成像。在這個過程中可根據需要通過不同方法處理得到所需結果。在對不同的影象進行處理後，我們可以得到不同特徵值對應其灰度級分佈情況。通常，將待測樣品按照一定比例放置於相應區域中。但是由於實際測量過程中會受到噪聲干擾影響訊號質量及邊緣位置變化等資訊難以獲取時效性較差、同時成像效果也有很大差異:因此在這種情形下需要使用到的是基於特定方式來實現影象預處理的方法，一般常用特徵值對應點表示為灰度級分佈函式,即Q=1/XRL)*Str。
1.4 影象感測器與訊號
目前,感測器技術已經在廣泛的應用，其功能是向特定方向發展,包括從不同角度來收集資訊。如:將影象訊號轉換成數字量進行處理;通過對感測器輸出的模擬電壓或電流變換到相應頻率電路中所需形式等過程獲得輸入訊號。在實際工作情況下通常採用兩種方式實現感測器與待測物體之，間準確、快速地傳遞資料和實時響應速度以及準確性要求(即高精度),這就是常用的幾種動態資訊採集。由於不同的感測器，其工作原理也不相同。紅外檢測器:通過對紅外光訊號進行調製,使之成為紅外線發射/接收裝置所需要使用到的裝置或器件(如測溫儀、計算機)，微波探頭:由特殊材料製成且採用對稱放置構成並能與外部電路連線而成一個整體結構系統。該探測元件可用於對不同波長和振動頻率範圍內物體的監測,也可以檢測出內部溫度變化及外部磁場強度等訊號，具有較高靈敏度。訊號處理的目的是為了獲得有用資訊,影象感測器則主要用來獲取運動物體或振動系統中被測物件的外部特徵。目前,國內外常用的是一種用於測量和控制影象採集裝置。這種方法可以在一定程度上降低對灰度值變化敏感而引起噪聲干擾等問題;但由於在某些場合下需要檢測目標與背景之間距離較遠時使用該方式會產生較大誤差從而導致其精度不夠高。
2影象識別在軸承孔徑檢測中的應用
2.1 影象識別實驗
影象處理的硬體平臺是整個系統中最重要部分,它主要由計算機和攝像頭組成。機器視覺技術應用到了大量的理論知識。然而這些理論在實際生產生活中是不常用得。因此需要開發軟體來幫助實現影象識別等問題上一步步進行解決,使其能夠更好地服務於工程領域併為其他學科提供一定參考價值和實用性作用;同時也可以將一些基本概念引入硬體平臺中去，如攝像機、投影儀與計算機網路等等裝置都可成為實驗資料採集的一部分用於檢測系統誤差訊號。本文所設計的影象識別系統，硬體平臺主要由RGB感測器。該裝置是通過光電檢測晶片和三極體組成。在這個裝置中，我們可以看到三個元器件分別對準模進行放大、調製以及匹配處理後形成一個完整的波形訊號通道，同時也會將其中一個元件作為輸入引數新增到輸出模組當中去並且輸出相應的結果資訊以供後續使用。影象處理技術是基於機器視覺的,通過數字訊號處理和分析，利用計算機進行計算來提取所需要資訊。在實驗中用到了很多噪聲檢測演算法:均值濾波法、線性卡爾曼濾波方法、神經網路等;其中FIRP濾波器可以直接對輸入訊號做差分運算來獲得我們想要得到的樣本資料;SCTI演算法就是一種基於特徵點跟蹤技術而產生的影象處理模組,該系統採用的是一個訓練好和適應能力強於傳統計算機相比。
2.2 影象識別系統測量誤差補償
由於相機的尺寸和位置,影象採集裝置採用了傾斜放置,雖然在一定程度上可以保證拍攝質量。但同時也帶來一些問題。如相機與感測器之間距離過近或者存在耦合等都會造成噪聲干擾;其次是對資料分析過程中產生偏差導致取樣頻率過高或不連續的現象等等;因此對於這些影響因素需要進行更嚴格地控制以達到最佳效果並確保實驗結果準確可靠度和解析度等效能指標，由於相機的解析度在不同級別，所以採集到的影象質量會有所差異。因此需要對所拍攝得到得影象進行處理，首先是預處理。將鏡頭轉換成兩個低頻訊號(1)和中高頻訊號(2)兩種頻率分別對應於高通濾波器上;然後利用數字取樣法先去除噪聲後再去噪濾波;接著通過演算法計算兩幅圖片在不同通道下輸出時的信噪比，從而獲得軸承孔徑檢測所需要的影象資訊資料。在對採集到的實驗樣本進行了預處理之後，需要將影象中的噪聲訊號與待檢測樣品之間建立一個對映關係,這樣能夠方便我們獲取所要研究的是什麼樣形訊號。而這個對映是由濾波演算法產生出來。一般情況下選取合適閾值來選擇出最佳閾值從而達到目的效果;然後再使用濾波器把得到的匹配結果和目標函式求取其中最優引數作為參考函式進行計算處理。
2.3 軸承孔徑影象質量檢驗
首先，通過影象處理軟體進行預處理,得到的二維陣列中有大量背景值。經過濾波和二值化操作後。先對噪聲係數取一定範圍內作為測試樣本集(標準組)為2/3左右;然後再去去除最大值或者最小部分資料點(即閾值得大小)為零以及其他特徵向量不為0或缺失的干擾資訊之後，利用迭代演算法確定出一個合適且穩定地時間間隔來進行效能測試實驗。在高解析度的測量裝置中，邊緣輪廓是影象處理和識別系統最關鍵的部分,同時也是提取特徵引數、分類等過程所必需要考慮到問題。首先進行的是邊緣輪廓提取。因為該實驗需要對不同位置下對應目標區域內灰度值做兩次掃描。由於背景噪聲會影響待測零件表面資訊點所在平面與邊界處實際情況之間存在一定程度上的偏差,因此我們可以通過影象中邊緣區域來識別出該部位的輪廓特徵引數。通過對不同的影象處理演算法進行對比，實驗結果表明:本文提出了一種新的基於核函式濾波和閾值法相結合來檢測孔徑缺陷。這種方法能夠在保證邊緣資訊質量前提下減少計算量。由於測試時採用的是雙通道視窗成像方法,所以只需將兩個灰度級上相同位置點作為目標區域即可;而對於兩幅圖片而言則需要通過不同演算法中影象處理步驟進行分析比較。
3軸承孔徑檢測演算法研究
3.1基於邊緣檢測的影象運算元
通過上述實驗可以看出，本文所提出的幾種誤差模型都各有自己存在的問題。對於影象處理中出現了噪聲和背景度差值偏差等。為了提高檢測時對運動目標輪廓進行識別而產生過取樣頻率這一不足之處，我們選擇在主成分分析中用到線性平穩特徵提取方法來消除噪聲;其次是演算法速度快、精確度高以及運算時間短等優點可以有效地降低這些缺點並減少誤差;同時還考慮到本文所提出來的幾種模型都各有優劣和缺點。本文利用Matlab中的T-P影象處理工具箱進行了實驗,在MATLAB軟體平臺下，對所提方法與演算法都有一定程度.上的模擬驗證。首先通過影象分割和目標定位可以將待測軸承孔徑檢測分為兩部分:第一是邊緣提取。第二則是軸向灰度校正過程、最終得到粗確定值後就可利用中英文曲線平滑識別出該軸承孔徑大小;而對於影象二值化處理之後再進行精減法便只需去除輪廓中心。
3.2基於邊緣檢測的孔徑影象分割演算法研究與改進
在實驗中，由於影象處理技術的限制，對一些有缺陷(噪聲)的物體進行識別時存在較大誤差。比如說:邊緣特徵點可能與實際情況不符。這些現象產生原因是不同型別和層次上都會影響到目標資訊提取結果;同時也是因為某些因素引起了灰度值變化導致最終得到的是一個個空洞訊號而不是真實狀態下所形成的所有影象資訊等等問題,但在實驗中卻很少有被考慮過),由於影象處理過程中，所產生的缺陷與圖片上存在畸變,所以在實際應用當中也會導致識別結果不準確。而這種問題是由不同程度的噪聲引起。一般情況下都將其歸結為兩類:第一類為背景差錯;第二類為偽目標物體邊緣輪廓處附近畫素點之間出現重疊現象或者影象區域內某一位置灰度值變化時該部位發生突變或產生模糊等一系列原因造成的。在影象處理過程中，由於一些非本質性的缺陷，或者是噪聲干擾等。這也可能導致我們無法確定是否存在著某種特定缺陷。因此當這些具有明顯特徵物體被發現之後並不是很準確。但是通常情況下都會有一個重要引數叫做閾值(O、R或T)來表示目標區域的形狀變化和其相對位置上影象所含資訊量大小以及方向性等等性質。因為影象的灰度值不同,所以在實際應用中，對目標物體進行邊緣檢測時也會出現一定程度上的噪聲干擾。因此為了消除這種影響通常採用去除背景和增強、消噪以及二值化等方法來處理。(1)先新增小波分解為前景基函式後再將其去除掉;(2)再加入與邊界條件相同或一樣的元素然後再次去預處理,從而達到目的影象中目標物體灰度值變化不大或者無明顯波動。
3.3軸承孔徑檢測試的特點
在測試的過程中，我們會遇到不同大小、形狀和角度的孔徑檢測結果。不同尺寸和深度,其對應於各個方面能力都有區別。因此需要對影象進行處理。首先是濾光圈引數測量:通過灰度值來判斷是否存在噪聲干擾;其次就是平滑鏡視窗選擇:使用邊緣運算元(LM)去噪後得到一個合適的標準函式;最後的是閾值確定與實際誤差計算中常用到的方法一樣。在實際檢測過程中，由於影象的灰度值和噪聲都會有一些變化，所以當我們使用傳統方法去測定時就不能準確地確定影象中心。但是利用計算機成像技術可以精確識別出所需要特徵的位置。可控性強:因為該演算法是通過對待測訊號進行引數估計來分析待檢孔徑尺寸並最終得到其大小與方向;而且它還能自動選擇最佳閾值和最理想邊緣點等，這使得檢測過程中能夠快速準確地確定測量結果。體積小,重量輕。檢測時，只需將影象的中心位置改變一下就可以了。而且不用對整個過程進行拆卸和移動便可直接測量出孔徑尺寸引數;效率高、便於實現自動化生產等特點均不需要藉助專用工具或裝置就能完成工作操作及自動校正效能強於傳統人工測定精度水平上也很突出且顯著優勢之一。但由於不同形狀和大小的物體之間存在著各種差異，所以檢測結果肯定會有較大差別。
4總結與展望
4.1全文結論
本文通過研究影象識別在軸承孔徑檢測的應用,介紹了一種新的基於向量量化特徵提取方法一投影尋蹤法。首先對傳統輪廓定位和小波變換進行分析;然後用兩種近景差分割演算法分別處理兩幀與多幅減運動目標下得到不同灰度值、不同方向(或線性)尺度上多個前景視窗大小及歸一化後各個背景影象。利用高斯濾波消除前景中區域性平坦區域的噪聲,本文以影象識別和軸承孔徑檢測為研究物件,對運動的攝像機拍攝了彩色識別的運動鏡頭，並在MATLAB模擬軟體中,使用Matlab進行程式設計實現了基於核函式法、核函式法以及矩量密度方法等基本理論。將背景差分變換與線性擬合相結合來處理背景資訊。同時也考慮到不同相機所拍影象存在著邊緣區域和畸變率範圍內訊號之間的差異性;在對攝像機運動狀態估計時。
4.2課題建議
在現代機器裝置中，通常會存在許多不確定的因素。為了保證這些資訊可以準確地測量到感測器和接收機等物體上，必須對其進行檢測分析以獲得所需訊號與像元或整個系統的關係引數(如噪聲、振動頻率);而對於影象處理技術而言則是利用了計算機演算法來實現對影象質量評價標準與方法以及計算機視覺領域中各種先進理論及思想在其中得到發展。