李颜瑞

（山西机电职业技术学院信息工程系 山西 长治 046011）

1 引言

传统的检测方法，是采用人工的方式进行检测。人工检测效率低且人为因素较多，存在一定的漏检、错检情况。而智能制造在检测上，必须借助设备实现自动检测。一些高精尖的制造产品或者零部件虽然已经具备一套完整的设备用于自动检测，但还存在一部分制造产品或者零部件无法实现自动检测的情况。这些制造产品或者零部件不属于高精尖，但是却与人民生活息息相关。其中就包括陶瓷制品，体积较小，成本很低，用量相对较大，主要检测表面的平整程度，要求表面不能出现气泡孔、划痕和缺口，一旦出现这些情况，就直接定为废品。但如果直接使用废品部件，会造成制造产品不能正常使用，如果利用人工检测，会提高生产成本，也不能保证百分之百的检测率，故而研究出了一种自动检测方法，利用主成分分析（PCA）对陶瓷产品部件图像进行特征提取，然后使用支持向量机（SVM）进行自动识别。

2 主成分分析理论

主成分分析方法[1-2]即PCA，是一种线性判别方法，由Pentland和Turk提出，也称为K-L方法。

3 基于PCA和SVM的陶瓷零件研磨后的正废品识别

3.1 陶瓷零件预处理[3-4]

零件图像的采集装置是用高清放大设备，固定位置拍照采集。所有零件图像整体效果比较好，并且零件图像中（图1）只包含零件部分，基本没有多余部分，可以用于下一步操作。对零件图像进行灰度化处理，可以利用公式（2）：

经过处理后，原彩色零件图像就生产为黑白的灰度零件图像（图2）。……