张燎

摘要：随着经济社会的发展与科技时代的降临，科技在日常生活中的方方面面都越来越重要，对于机械工业方面来说，图像识别技术在机械零件的质量检测中起着非常重要的作用，它利用的是新型计算机科学技术，对机械零件进行图像识别处理，目的是为了通过图像来对机械零件的质量做出更好，更准确的判断，若发现了缺陷，可以立即做出相应措施，降低不必要的损失和风险。

关键词：图像识别技术;机械零件;质量检测

0  引言

近年来，随着经济社会的高速发展，时代潮流也在不断变化着，图像识别技术也给我们的各个行业的发展带来了便利，以机械行业为例。机械零件在生产制造的过程中会产生误差超标、表面损伤等一系列问题，检测机械零件质量需要大量的人工，耗时费力，效率低下，而且质检员如果长期在这种工作环境下，容易产生疲劳，会出现漏检和错检等问题，这就对机械零件的质量检验提出了巨大的挑战。图像识别技术的出现无疑为机械零件质量检验提供了一种全新的检测方法，主要体现在机械零件外部轮廓尺寸、表面损伤、零件表面不平度等方面的检测方面，图像识别技术对机械零件进行质量检测能更好地保证检测的可靠性和快速性，极大地解放了人类劳动力，提高了生产自动化水平。

1  图像识别技术在机械零件质量检测中的应用

对于图像识别技术，从字面上看我们就可以了解到，它与图像密切相关，简言之，这项技术的基础就是图像，不同的图像可能千差万别，也可能只有微乎其微的细小的差别，对于那些差别较小的图像，只靠我们用肉眼观察是很难看出全部的，这里就凸显了科技的重要性，在图像的检测过程中，科技使这一过程逐渐智能化、自动化，它可以通过多方面的技术对图像进行分析，对于其中包含的信息加以提取，并通过调用电脑库中的公式工具等进行全方位的整合，再加以包装加工，最后呈现在工作人员面前的图像信息可能需要工作人员几天的不停歇劳动，极大地提升了效率和准确率。而在机械零件质量检测中，有关于图像识别的技术也不是单一的，有很多种，各有各的特点，各有各的适用条件和范围，接下来对其中主要的几种技术进行介绍。

1.1 模板匹配识别技术

这种技术是在所有图像识别技术中最基础的技术，它针对的对象是零件图像中的需要检测的部分，通过大面积检测来完成。这个技术中出现了“模版”二字，它其实是一种矩阵，以数字或者符号为基本形式，在检测了被检试品图像的一些区域的特征特点后形成，并进行相关的分析，把未知的和已知的进行对比，最终达到匹配，匹配的物品将是认为和模版一样，没有差别。这项技术有一定的利弊，首先，这项技术比较简单，不像其它技术那么复杂，但是限制也比较大，例如它只能对模版和被检试品进行比对，那么我们就可以看出来，为了保证匹配的准确性与有效性，就需要很多的模版，这么多模版的储存将会占用很多空间，无疑造成了经济与资源的浪费。

1.2 神经网络识别技术

神经网络图像识别技术是一种比较新型的图像识别技术，是在传统的图像识别方法和基础上融合神经网络算法的一种图像识别方法。这里的神经网络是指人工神经网络，也就是说这种神经网络并不是动物本身所具有的真正的神经网络，而是人类模仿动物神经网络后人工生成的，这项技术的基本单位是众多的神经元，这些神经元相当于一个个处理单元，结构简单它们之间通过某一种特殊的方法进行连接，从而共同构成了一个复杂的神经网络系统，这个系统具有多样性，因为不同的神经元组合在一起，可以构成不同的形状，寓意着可以具有不同的功能，极其复杂多样，那么这一技术就有着举足轻重的地位。我们可以把神经网络系统看成是与人脑的神经网络系统相类似的，即前者是后者的模拟和简化。

这项技术同样具有利弊，它能够对人的认知过程进行分析与感知，最终达到模拟的目的，它的自学习和自适应的能力都十分出色，有利于處理一些掺杂了众多因素的复杂的问题，同时鉴别识别图像的能力十分强悍[1]。但是在现实的环境下，它的弊端也十分明显，它的训练时间较长，而且为了达到目的，也需要非常大的训练量，这就意味着要耗费非常多的时间，对于需要紧急处理的突发事故并不现实，且过程比较繁杂，进行起来比较麻烦。

在神经网络图像识别技术中，遗传算法与BP网络项融合的神经网络图像识别模型是非常经典的，在很多领域都有它的应用。在图像识别系统中利用神经网络系统，一般会先提取图像的特征，再利用图像所具有的特征映射到神经网络进行图像识别分类。以人脸识别技术为例，当人通过检测设备的时候，摄像设备会自动对人脸进行拍摄，此时检测设备就会启用图像采集装置来获取人脸的正面图像。获取了图像后必须将图像上传到计算机进行保存，提取人脸的各个特征点和原有图像匹配比对，确定两者的相似性程度，最终确定人的身份，这在公安机关破案中起到了很大作用。在对人的特征进行识别的过程中就用到了机遇模版匹配算法和人工神经网络算法。

1.3 统计识别技术

所谓统计识别技术，主要通过统计的手段对研究物体的图像进行识别和分析，如何进行图像识别呢？这里有两种方式，一是通过大数据来发现物体的特点和类型，二是统计分析反映出物体的本质特征的图像，从而更加清晰的认识分析待测物体。统计识别技术的基础是书序模型，优点十分明显，那就是它的分类误差非常小，十分精确。现在，从众多的应用经验来看，最常用的统计识别模型有两种。同样的，这项技术也有利弊，它的基础是基于宽泛的数据的，所以在遇到有关于估算概率的问题时，就会有一定的限制空间。

此外，当遇到图像类型多，而且较为复杂时，显而易见，相对应的图像的特征会明显增加，这就很难对图像特征进行有效的提取。

2  图像识别技术在机械零件质量检测中的作用

2.1 图像分析

图像分析内容主要体现在：首先，二值化图像处理在计算机处理过程中发挥着重要作用，可以更好的分析图像的特点，对图像中的分析对象可以进行分离，并在此基础上处理二值化对象物。其次，从图像分割的方面分析，在该过程中所用的方法很多，最为常用的有间接、直接、多门限法，在利用门限法的过程中，可根据灰度和目标区域方面的不同分割图像。再次，在检测图像边缘的过程中，这里所说的图像特征主要指灰度、纹理和角点、线条特征，此外还包括幅度、变换系数等方面的特征。

2.2 图像识别

在对机械零件进行图像识别的过程中，大体上包括两个大的方面：首先，是特征参数的选择。对于机械零件来说，常见的质量问题有很多，包括了不规则的缺陷，断折和表面或者内部的裂纹的出现等，所以特征参数的选择就尤为重要，选择特征参数时，也不能随便选择，要有一定的标准，这个标准与零件上出现的具体的质量问题有着很大的关系，然后在图像分析获得相应的信息后，采用一些特殊的的预处理方法进行图像特征的选取，并且采取相应的参数作为特征参数作为图像进行特征提取的依据。在对机械零件进行质量检测的过程中，图像识别发挥的作用十分巨大，地位也非常重要，对于检测过程中发现的缺陷和质量问题，有些很明显，用人眼可以轻而易举地发现，但是有些问题和缺陷十分细小，或者会被部分遮挡从而不易察觉出来，这时候就需要借助相关的设备进行图像识别，所谓图像识别，就是对被测零件的图像进行识别，便于发现其中的缺陷。在零件的生产过程中，如果出现了一系列的质量问题，比如在某些图像中，有些缺点缺陷的显示是不规整的，或者在零件的生产过程中发现了某个零件上出现了裂痕，那么通过图像识别技术，就可以有效及时地分析出其中存在的相应地缺陷，发现所有的缺陷后，再对图像进行深层次的分析，并且对得出的数据进行系统规范的处理就十分的方便了[3]。最后，就可以在处理的基础之上进行信息的整合，从而有利于进行全面有效且有合理性的分析。

3  图像识别技术的发展前景的分析

如今进入了新的时代，出现在我们眼前的，是现代科技的快速发展，这个时代也被称为“信息时代”，一切都在默默地向智能化、自动化方向发展，与此相对应的，在计算机领域中，技术的进步发展速度更快，时时刻刻都在更新换代中，对于图像识别技术，它有发展的历史，经过了一系列的发展，一直在创新，一直在进步，从一开始的只对数字和简单的符号等进行基本的处理，到现在越来越智能化、数字化、自动化;从一开始只能进行简单的归类到现在能够对物体进行全面的分析，并且能够将得到的信息进行整合。

伴随着科技与时代的进步，第三次工业革命的出现也极大地推动了这项技术的发展，是这项技术发展的巨大能源动力，从而使图像识别技术更加完善，得到了进一步的发展，更加准确和灵活。因此我们可以说，图像识别技术的发展顺应时代发展的潮流，终将会变得越来越完善，越来越便捷，在机械零件、集成电路生产、交通、物流等方面，拥有十分广阔的发展空间。

4  结束语

一个机械产品的成功运行离不开众多机械零件的支持，要想保证运行时的安全性与高效性，就必须保证机械零件的质量。而在机械零件的运转过程中，可能会出现诸多问题与隐患，为正常的生产活动埋下隐患。因此应该重视对机械零件的质量检测，可以定期或者不定时候进行，以保证其质量始终符合标准，而图像识别技术作为一种新型的智能化的检测技术，能够实现零件质量的快速准确检测，极大地提高了检测效率，因此，图像识别具有诸多优点，值得广泛的运用，经过科学的运用，才能最终保证机械零件的质量，让其发挥正常的作用。

参考文献：

[1]白锐，杜京义.图像识别技术在钢管焊缝质量检测中的应用[J].仪器仪表学报，2010（6）：700-701.

[2]曹志良.图像处理技术在活塞销缺陷检测中的应用[J].中国制造业信息化，2010（13）：59-62.

[3]董承全，颜胜才，陈辉，孟军涛.图像识別技术在基桩质量检测中的应用研究[J].工程地球物理学报，2013（5）：736-738.