马晨凯，吴毅慧，傅华奇，业 宁

（1.南京林业大学信息科学技术学院，南京 210037；2.南京林业大学汽车与交通工程学院，南京 210037；3.黑龙江工程学院电气与信息工程学院，哈尔滨 150050）

先进陶瓷采用新型制备工艺制成，含有先进陶瓷的整体产品具有安全性、绝缘性、隔热性和稳定性的优异性能，被广泛应用于航天、机械、电子和化工等高精度领域。根据市场研究机构Research and Markets 的预测［1］，全球先进陶瓷市场规模到2021 年将超过1 000 亿美元，在国内先进陶瓷中仅1 个品种的氧化铝陶瓷配件就达到了15 亿件的使用量。由于需求量庞大，提升先进陶瓷正品率将极大地提高经济效益。为进一步降低先进陶瓷的次品数量，保证高精度产品的安全性，需要寻找能够更准确地对先进陶瓷零件的成品进行判断的方法。目前生产企业主要采用传统方式对先进陶瓷零件进行成品判断，包括纯机械尺寸过滤和人工判断两种检验方式，但这些方式都存在成本高、失误率高和损坏率高等问题。例如采用机械筛选时仅能筛除出尺寸不合格的零件而无法将存在破损的先进陶瓷零件一同筛除，还需要进一步采用人工筛除，不仅增加了成本，也存在一定程度的遗漏和损坏。

随着人工智能技术的发展，零件检测已经逐渐从依靠纯机械方式发展为利用计算机图像自动识别［2］。柳云鹤等提出了基于遗传算法匹配训练实际机械零件图像样本，使用K 近邻（K⁃nearest neighbor，KNN）分类器对其进行分类，不需要大量图像样本，并有着较高的识别率［3］。……