[发明专利]一种基于表面形貌自特征的零件唯一识别方法

说明书

本发明公开了一种基于表面形貌自特征的零件唯一识别方法，首先获取零件非工作面的表面三维形貌信息，然后对表面三维形貌信息数据使用基于邻域的插值算法去除噪声点，再利用基于阈值的差分算法裁剪待测区域外数据，接下来利用最小二乘法对表面三维形貌进行分离，得到零件的形状误差和粗糙度形貌；然后对零件的粗糙度形貌提取核心表面，将形状误差、粗糙度形貌和核心表面的相关特征组合构成零件表面形貌对应的特征；最后采用SVM分类器检测待测试零件的表面形貌特征，最终得到零件对应的编号。本发明实现了同质化零件的识别，识别准确率达到96％以上，可实现同质化个体零件的区分，解决了工业生产中关键重要零件质量追踪与追溯的难题。

技术领域

本发明属于模式识别技术领域，具体涉及一种零件唯一识别方法。

背景技术

标识技术是用来追踪和追溯产品及其技术状态的主要手段，目前，标识方法主要包含粘贴条码、射频标签(RFID)和直接零件标识(DPM)等。粘贴的条码或射频标签脱落时会中断零件的质量追踪过程，而直接零件标识技术需要严格控制标刻工艺以避免造成零件表面损伤。因为传统标识技术均有其局限性，难以满足关键重要零件质量的全生命追踪追溯要求，因此，需要探索新的基于零件自特征的标识方法。

目前，对于不同种类的零件，可以较容易依据其自身形状特征和尺寸特征进行识别。而对于由同一设计图样生产的、外表难以区分的同批次同质化零件，不添加外在标识是很难对其唯一识别的。但是，同批次同质化零件材料和制造过程的各类随机误差造成了每个零件具体技术状态的唯一性，即每个零件都是独一无二的，用传统方法无法进行识别。

发明内容

为了克服现有技术的不足，本发明提供了一种基于表面形貌自特征的零件唯一识别方法，首先获取零件非工作面的表面三维形貌信息，然后对表面三维形貌信息数据使用基于邻域的插值算法去除噪声点，再利用基于阈值的差分算法裁剪待测区域外数据，接下来利用最小二乘法对表面三维形貌进行分离，得到零件的形状误差和粗糙度形貌；然后对零件的粗糙度形貌提取核心表面，将形状误差、粗糙度形貌和核心表面的相关特征组合构成零件表面形貌对应的特征；最后采用SVM分类器检测待测试零件的表面形貌特征，最终得到零件对应的编号。本发明实现了同质化零件的识别，识别准确率达到96％以上，可实现同质化个体零件的区分，解决了工业生产中关键重要零件质量追踪与追溯的难题。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：选择零件非工作面作为数据采集面，使用线扫描传感器和电动移动台采集零件非工作面的表面三维形貌信息；

步骤2：对零件非工作面的表面三维形貌信息数据使用基于邻域的插值算法去除噪声点；

步骤3：定义待测区域，利用基于阈值的差分算法裁剪待测区域外数据；

步骤4：利用最小二乘法对经过步骤3处理的表面三维形貌进行分离，得到零件的形状误差和粗糙度形貌；

步骤5：对零件的粗糙度形貌提取核心表面，核心表面为位于零件非工作面核心高度最高处与最低处之间的表面形貌；

步骤6：基于ISO25178中的参数法，对分离后的形状误差、粗糙度形貌和核心表面分别提取相关特征，将相关特征组合构成零件表面形貌对应的特征；

步骤7：重复步骤1到步骤6，采集多个零件的数据，建立零件训练集；

将零件训练集作为训练样本使用十折交叉法对SVM分类器进行训练；

步骤8：利用已训练的SVM分类器检测待测试零件的表面形貌特征，最终得到待测试零件对应的编号。

进一步地，所述基于邻域的插值算法去除噪声点具体步骤包括：

步骤2-1：遍历表面三维形貌，分别按行和列统计噪声点，若一行或一列中有大于等于10个噪声点未检测到，则去除该行或该列数据；