基于图像法的端铣表面粗糙度研究  

Measurement of face milling surface roughness based on image

作　　者：闵莉[1] 王哲[1] 吴玉厚[1] 

机构地区：[1]沈阳建筑大学机械工程学院,沈阳110168

出　　处：《制造业自动化》2015年第22期26-30,共5页Manufacturing Automation

基　　金：国家自然科学基金项目(51375317);辽宁省教育厅科学研究项目(L2015447);沈阳建筑大学重点实验室开放基金资助项目(SJSC-2015-11)

摘　　要：基于机器视觉理论,采用图像法,实现了对端铣工件表面粗糙度的非接触式无损检测。通过数字显微镜、高分辨率摄像机与计算机相连接的图像采集系统获取端铣工件表面图像,根据端铣原理和端铣痕迹图像特征,提取基于灰度共生矩阵方法(GLCM)的8表面纹理特征参数,探讨各纹理参数与表面粗糙度评定值Ra的变化规律,从而定性评估端铣工件表面粗糙度。建立BP神经网络检测模型,以端铣表面图像纹理特征参数为输入量,对应的表面粗糙度评定值Ra为期望输出,构建了神经网络检测模型。通过测试样本检验,该方法具有较高的检测精度,能够满足表面粗糙度测量的精度要求。

关 键 词：图像法 GLCM 表面粗糙度 BP神经网络 

分 类 号：TG84[金属学及工艺—公差测量技术] TP183[自动化与计算机技术—控制理论与控制工程]