典型文献
基于GLCM和FCM算法融合的铣削零件缺陷提取方法
文献摘要：
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.
文献关键词：
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：
作者姓名：
蔡航;茅健;杨杰;李彬鹏
作者机构：
上海工程技术大学机械与汽车工程学院 上海201620
文献出处：
引用格式：
[1]蔡航;茅健;杨杰;李彬鹏-.基于GLCM和FCM算法融合的铣削零件缺陷提取方法)[J].电子测量技术,2022(23):166-173
A类：
B类：
GLCM,FCM,算法融合,铣削零件,缺陷提取,零件质量,装配体,服役寿命,快速准确,机器视觉,视觉缺陷,缺陷检测,检测应用,益广,缘故,常导,表面缺陷,灰度共生矩阵,均值聚类,聚类算法,对比度,加工缺陷,缺陷特征,提取实验,分割算法,算法对比,智能算法
AB值：
0.355289
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
