电子测量技术ELECTRONICMEASUREMENTTECHNOLOGY第45卷第23期2022年12月DOI:10.19651/j.cnki.emt.2210202基于GLCM和FCM算法融合的铣削零件缺陷提取方法蔡航茅健杨杰李彬鹏(上海工程技术大学机械与汽车工程学院上海201620)摘要:零件质量合格与否影响整个装配体的服役寿命,如何快速准确的检测零件质量是否合格已经成为研究热点之一,机器视觉缺陷检测应用日益广泛,但由于铣削后零件纹理背景存在的缘故,常常导致零件表面缺陷的检测不够精准。本文提出一种将灰度共生矩阵(GLCM)和模糊C均值聚类算法(FCM)相结合的新型图像表面缺陷提取方法,利用改进后的灰度共生矩阵将缺陷与铣削背景的对比度提高,再针对缺陷与铣削背景之间的灰度差较大这一特性,使用模糊C均值聚类的方法对图像进行分割。该算法可以有效区分加工缺陷与加工纹理,并快速准确的提取零件缺陷特征。通过缺陷提取实验,并与传统的分割算法对比,可得出该算法能够快速的提取铣削零件表面缺陷,并且对提取多类缺陷具有良好的适应能力。关键词:铣削零件;机器视觉;表面缺陷;特征提取;智能算法中图分类号:TP3文献标识码:A国家标准学科分类代码:520.6040;520.6099DefectextractionmethodofmillingpartsbasedonthefusionofGLCMandFCMalgorithmsCaiHangMaoJianYangJieLiBinpeng(SchoolofMechanicalandAutomotiveEngineering,ShanghaiUniversityofEngineeringScience,Shanghai201620,China)Abstract:Whetherthequalityofpartsisqualifiedornotaffectstheservicelifeoftheentireassembly.Howtoquicklyandaccuratelydetectwhetherthequalityofpartsisqualifiedhasbecomeoneoftheresearchhotpots.Machinevisiondefectdetectionisincreasinglyused,butduetotheexistenceofthetexturebackgroundofthepartsaftermilling,Itoftenleadstoinsufficientprecisioninthedetectionofsurfacedefectsofparts.Thispaperproposesanewimagesurfacedefectextractionmethodthatcombinesthegray-levelco-occurrencematrixandthefuzzyC-meansclusteringalgorithm.Theimprovedgray-levelco-occurrencematrixisusedtoincreasethecontrastbetweenthedefectandthemillingbackground,andthenthedefectandthemillingbackgroundareusedtoincreasethecontrast.Forthefeatureoflargegrayscaledifferencebetweenmillingbackgrounds,fuzzyC-meansclusteringmethodisusedtosegmenttheimage.Thealgorithmcaneffectivelydistinguishprocessingdefect...
