摘要：无损检测法是一种常用的故障诊断技术，故障诊断从本质上来讲就是模式识别问题，而模式识别又可以狭义地理解为图像识别。从介绍图像、图像识别、图像识别过程和图像识别系统的基本概念着手，就几种常用图’像识别方法的原理和特点进行比较，给出了CCD图像获取系统的组成。最后，结合发动机曲轴的一种自动磁粉探伤系统实例，对系统的图像处理和识别流程进行详细的讨论，并针对一般无损检测系统难以满足曲轴的检测要求和精度要求的状况，提出经过改进的一种适用于曲轴的整体无损检测系统。该系统有助于高效和完整地获取整个曲轴的图像，提高图像信息的质量，从而提高发动机曲轴表面缺陷检测的准确性和可靠性。
关键词：图像识别；无损检测
机械设备在运行过程中，其内部的零部件由于受到各种应力的作用，将使机械设备逐渐产生异常、劣化和故障，严重的会使机械设备丧失工作能力并可能造成巨大的经济损失甚至灾难性的后果。因此，在机械设备运行过程中，利用机械设备在劣化变程中产生的信息来进行状态分析和故障诊断（Fault Diagnosis）就显得非常重要。故障诊断实施过程通常包括：信号采集、特征提取、状态识别等几个主要环节，并最终形成必要的决策。
一、 图像识别过程
图像识别以图像处理为基础，是指以图像为对象所开展的各种处理性工作，包括编码、压缩、复原及分割等。图像处理过程中，以图像输入后，一般情况下也会通过图像形态进行输出。在图像识别过程中，将处理后的图像输入，一般情况下输出类别与图像结构分析。也就是说，图像识别是一个自原始图像到物体类型的过程，原始图像经过图像处理后，抽取特征并加以分类对比，以图像样本库资源作为对比分析的参考依据，最终确定物体类型。从本质上来讲，可以将图像识别看作是对图像分类与描述进行研究的过程。在图像识别过程中，在对图像中物体进行检测分离之后，将物体特征提取出来，以形状、纹理特征等作为提取对象，一般将图像处理融入到图像特征提取环节中。待对比分析明确物体类型后，从结构层面上对图像进行分析。图像识别过程中，其识别阶段不受图像内物体数量的影响，在识别过程中主要经历三个阶段，不同阶段具备其各自特性，如图1所示。
二、图像识别方法
1.统计法（Statistic Method）该方法是对研究的图像进行大量的统计分析，找出其中的规律并提取反映图像本质特点的特征来进行图像识别的。它以数学上的决策理论为基础，建立统计学识别模型，因而是一种分类误差最小的方法。常用的图像统计模型有贝叶斯（Bayes）模型和马尔柯夫（Markow）随机场（MRF）模型。但是，较为常用的贝叶斯决策规则虽然从理论上解决了最优分类器的设计问题，其应用却在很大程度受到了更为困难的概率密度估计问题的限制。同时，正是因为统计方法基于严格的数学基础，而忽略了被识别图像的空间结构关系，当图像非常复杂、类别数很多时，将导致特征数量的激增，给特征提取造成困难，也使分类难以实现。尤其是当被识别图像（如指纹、染色体等）的主要特征是结构特征时，用统计法就很难进行识别。
2.句法识别法（Syntactic Recognition）该方法是对统计识别方法的补充，在用统计法对图像进行识别时，图像的特征是用数值特征描述的，而句法方法则是用符号来描述图像特征的。它模仿了语言学中旬法的层次结构，采用分层描述的方法，把复杂图像分解为单层或多层的相对简单的子图像，主要突出被识别对象的空间结构关系信息。模式识别源于统计方法，而句法方法则扩大了模式识别的能力，使其不仅能用于对图像的分类，而且可以用于对景物的分析与物体结构的识别。但是，当存在较大的干扰和噪声时，句法识别方法抽取子图像（基元）困难，容易产生误判率，难以满足分类识别精度和可靠度的要求。
3.神经网络方法（Neural Network）该方法是指用神经网络算法对图像进行识别的方法。神经网络系统是由大量的，同时也是很简单的处理单元（称为神经元），通过广泛地按照某种方式相互连接而形成的复杂网络系统，虽然每个神经元的结构和功能十分简单，但由大量的神经元构成的网络系统的行为却是丰富多彩和十分复杂的。它反映了人脑功能的许多基本特征，是人脑神经网络系统的简化、抽象和模拟。句法方法侧重于模拟人的逻辑思维，而神经网络侧重于模拟和实现人的认知过程中的感知觉过程、形象思维、分布式记忆和自学习自组织过程，与符号处理是一种互补的关系。
4.模板匹配法（Template Matching），它是一种最基本的图像识别方法。所谓模板是为了检测待识别图像的某些区域特征而设计的阵列，它既可以是数字量，也可以是符号串等，因此可以把它看为统计法或句法的一种特例。所谓模板匹配法就是把已知物体的模板与图像中所有未知物体进行比较，如果某一未知物体与该模板匹配，则该物体被检测出来，并被认为是与模板相同的物体。模板匹配法虽然简单方便，但其应用有一定的限制。因为要表明所有物体的各种方向及尺寸，就需要较大数量的模板，且其匹配过程由于需要的存储量和计算量过大而不经济。同时，该方法的识别率过多地依赖于已知物体的模板，如果已知物体的模板产生变形，会导致错误的识别。
三、图像获取系统
获取图像的方法很多，从最早的尼普科夫盘到现在的各种固体图像传感器（Solid State ImagingSensor），其基本原理都是把光信息变换为电信息，再进行A／D转换。固体图像传感器中发展最快、应用最广的是电荷耦合器件CCD（Charge Coupled De—vice）。同电子束摄像管相比，CCD图像传感器具有尺寸小、工作电压低（DC：7—12V）、灵敏度高、使用寿命长、坚固耐冲击及电子自扫描且无扫描畸变、信息处理容易、与计算机接口简单、分辨率已达到或超过电子束摄像管等优点。目前CCD固体摄像器件已广泛应用于航天、遥感、工业、农业、天文、通讯等各个领域。CCD图像获取系统的组成原理如图2所示。图像获取系统主要由光学系统、CCD摄像机、图像采集卡、计算机系统及输出设备组成。
图2
四、图像识别技术在机械零件无损检测中的实际应用
在机械零件无损检测过程中应用图像识别技术时，可通过磁粉探伤方法来检测铁磁性材料缺陷，基于图像识别技术的应用价值出发，开发全自动磁粉探伤系统并结合实际情况加以完善。以荧光磁粉无损检测技术为支持，发挥CCD摄像系统功能对图像进行准确采集，识别并处理图像，通过计算机控制系统来实现自动探伤。在实际操作过程中，运用图像识别技术对发送机曲轴表面裂缝进行检测，通过自动磁粉探伤系统功能的发挥，对图像进行科学处理和自动识别。由于数字图像信号的输入过程中噪声会影响图像采集效果，因此要科学运用数字图像处理技术对裂纹进行正确识别，以便于图像处理的规范开展。基于图像识别技术可建立无损检测系统，以满足机械零件无损检测需求。
图像识别技术在机械零件无损检测中具有良好的应用价值，在应用图像识别技术时要明确图像识别过程，科学选择图像识别方法，全面获取图像并准确提取特征，从而确保图像识别的精准度与可靠性，切实改善机械零件无损检测的整体效果，促进机械设备保持良好的运行状态。
参考文献：
[1]李菁.计算机图像识别.2017
[2]万晓连．计算机图像识别系统的设计与实现计算机应用研究.2017
论文作者:张君陶
论文发表刊物:《基层建设》2018年第33期
论文发表时间:2018/12/18
标签：图像论文; 物体论文; 方法论文; 特征论文; 过程中论文; 系统论文; 句法论文; 《基层建设》2018年第33期论文;