[发明专利]用于识别车削零件表面粗糙度等级的有效特征的确定方法

说明书

本发明公开了一种用于识别车削零件表面粗糙度等级的有效特征的确定方法、模块、计算设备及存储介质，该方法包括：生成车削零件表面图像集，车削零件表面图像集包括多个对应不同表面粗糙度等级的表面图像子集，每个表面图像子集包括多张车削零件表面图像；基于预设的特征类型集，对车削零件表面图像集中的每张车削零件表面图像进行图像特征提取，以获取对应的图像特征数据；对特征类型集中每种图像特征类型，分别构建对应的支持向量机分类模型并进行训练；将图像特征数据输入到对应的训练好的支持向量机分类模型中处理，根据处理情况计算模型评价指标；根据模型评价指标，从特征类型集中确定用于识别车削零件表面粗糙度等级的有效特征。

技术领域

本发明涉及机械加工及图像处理技术领域，特别涉及一种用于识别车削零件表面粗糙度等级的有效特征的确定方法、模块、计算设备及存储介质。

背景技术

在机械加工的过程中，由于刀具与零件表面间的摩擦、切屑分离时表面金属层的塑性变形、工艺系统的振动等因素的影响，使零件表面产生微小的峰谷，这种几何特性称为表面粗糙度，表面粗糙度对机械产品的可靠性以及使用寿命具有极为重要影响。

不同的加工方式对零件表面的纹理以及间距等会产生一定的差异性。例如，经过车削、铣削、镗削等加工后，零件表面纹理的周期性和方向性很强，分布规律接近于标准的高斯分布，而经过抛、磨等加工后，零件表面纹理以随机性为主，方向性不强，分布规律是偏斜的高斯分布或是其他类型的分布。

目前，针对磨削零件表面粗糙度的视觉测量研究相对较多，但针对车削零件，尤其针对螺纹杆这类螺纹曲面的车削零件，表面粗糙度视觉检测或等级识别的相关研究相对较少。在基于机器视觉的车削零件表面粗糙度检测中，如何从车削零件表面粗糙度关联特征中选出有效特征，以便后续进行表面粗糙度识别，是这一检测技术的一大关键。

因此，需要一种用于识别车削零件表面粗糙度等级的有效特征的确定方法来实现优化处理。

发明内容

为此，本发明提供一种用于识别车削零件表面粗糙度等级的有效特征的确定方案，以力图解决或者至少缓解上面存在的问题。

根据本发明的一个方面，提供一种用于识别车削零件表面粗糙度等级的有效特征的确定方法，该方法包括如下步骤：首先，生成车削零件表面图像集，车削零件表面图像集包括多个对应不同表面粗糙度等级的表面图像子集，每个表面图像子集包括多张车削零件表面图像，每张车削零件表面图像与其所属表面图像子集对应的表面粗糙度等级一致；基于预设的特征类型集，对车削零件表面图像集中的每张车削零件表面图像进行图像特征提取，以获取对应的图像特征数据，特征类型集包括多种图像特征类型；对特征类型集中每种图像特征类型，分别构建对应的支持向量机分类模型并进行训练；将图像特征数据输入到对应的训练好的支持向量机分类模型中处理，根据处理情况计算模型评价指标；根据模型评价指标，从特征类型集中确定用于识别车削零件表面粗糙度等级的有效特征。

可选地，在根据本发明的用于识别车削零件表面粗糙度等级的有效特征的确定方法中，生成车削零件表面图像集的步骤，包括：获取多张不同表面粗糙度等级的车削零件表面的拍摄图像；对每张拍摄图像进行预处理，以获取拍摄图像对应的多张车削零件表面图像；将相同表面粗糙度等级的各车削零件表面图像归类为同一表面图像子集，并集合多个表面图像子集形成车削零件表面图像集。

可选地，在根据本发明的用于识别车削零件表面粗糙度等级的有效特征的确定方法中，对每张拍摄图像进行预处理，以获取拍摄图像对应的多张车削零件表面图像的步骤，包括：对每张拍摄图像，去除标记区域，以提取出车削区域图像；对每张车削区域图像进行等像素切割，对应生成多张车削零件表面图像。