基于GLCM和FCM算法融合的铣削零件缺陷提取方法
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.
铣削零件、机器视觉、表面缺陷、特征提取、智能算法
45
TP3(计算技术、计算机技术)
2023-04-13（万方平台首次上网日期，不代表论文的发表时间）
共8页
166-173
