陶 沙， 司 伟， 王 奎

(1.铜陵学院 电气工程学院， 安徽 铜陵 24000； 2.中国联合网络通信有限公司， 北京 100032)

随着我国工业的发展，尤其是纳米和集成技术的不断进步，对检测精度和速度的要求也越来越高，传统的显微镜测量已经达不到要求。为了提高精度，可以利用计算机对目标物件进行识别，计算机和互联网技术的高速发展可以更好利用和提高数字图像对智能制造系统识别的准确率。目前，检测智能制造系统的研究热点是基于机器学习和深度神经网络技术[1-2]。为了采集高精度图像，先使用高分辨率的相机采集物理零件图像，对采集到的图像进行降噪滤波和边缘检测。

1 系统结构

系统结构如图1所示。相机是采集图像的重要设备，选择合适的相机可以在一定程度上提升采集图像的质量。采集的图像需要进行预处理，本系统选择单一零件进行检测，采集零件图像的边缘清晰度要高，利用局部区域假设的亚像素边缘算法去提高采集零件图像边缘的清晰度[3-5]。经过预处理后的图像送入GA-CNN网络进行处理。

图1 系统框图

1.1 图像预处理

在一般数字图像处理中，采集到的数据一定要进行预处理[6-8]，包括灰度化、平滑处理、锐化处理、阈值处理。本文检测零件边缘清晰度对于后面GA-CNN算法缺陷分类很重要，需要进行边缘检测处理，主要原理是：图像的边缘形状可以由近似曲线表示，近似曲线可以用方向、曲率、距离等参数表示。假设曲线边缘由y=a+bx+cx2来表示，以3×5的区域进行研究，如图2所示。……