基于全参考彩色图像质量算法的磨削表面粗糙度测量

当前基于机器视觉的粗糙度测量方法使用的图像指标考虑因素少、无参考使得预测模型精度受限、受光源亮度影响大。针对此问题,论文提出了一种基于全参考彩色图像质量算法的粗糙度测量方法。该方法根据粗糙表面成像机理分析,在视觉显著性图像质量评估算法(VSI)的基础上引入结构信息,提出了基于视觉结构显著性(VSIS)的图像质量评估算法,与此同时设计了一套基于图像质量的磨削样块表面粗糙度测量装置。实验结果表明,提出的VSIS图像质量评估算法与表面粗糙度Ra之间存在明显的相关性。使用最小二乘法拟合出的曲线关系,能够对粗糙度大于等于0.965μm的磨削样块进行低离散高精度预测,平均误差为0.111μm,标准差为0.079μm。相比于考虑单一因素的粗糙度关联图像特征指标,VSIS有着较好的综合性能,且能一定程度上克服光源亮度的影响,为非接触粗糙度测量提供可选择途径。

指针式/数显式表面粗糙度测量仪校准方法探讨

介绍了指针式/数显式表面粗糙度测量仪的结构和工作原理,并就其校准项目和具体的校准方法进行了探讨。

基于红外结构光三维技术的土壤表面粗糙度测量

土壤表面粗糙度是一项重要的土壤物理参数,已有的各种测量方法存在测量效率和误差难以兼顾的问题。为了在一定精度下提高野外测量工作效率,该研究基于红外结构光技术设计了一套便携的土壤表面粗糙度测量系统。该系统主要包括红外结构光扫描仪、便携式计算机、支架等,具有3.2 mm空间分辨率和3 mm的距离分辨率的性能。通过水平面板测量试验,发现本系统相对误差较小,相对误差最小区域中0.5个测量单位以内的误差(e≤1.5 mm)占87.87%,1个测量单位以内的误差(e≤3 mm)占99.58%,而大于1个测量单位的误差仅占0.42%。通过土壤表面粗糙度测量试验,发现本系统绝对误差较明显,其测量结果低于1 mm分辨率的土壤粗糙度值。通过误差分析发现:该系统的测量误差包括固有误差和随机噪声,呈特定的规律性分布;导致绝对测量误差的主要原因为该系统的性能;由于系统的随机噪声,基于水平面板距离图像的土壤表面距离图像校正存在不确定性。该研究结果为进一步降低红外结构光三维技术测量土壤表面粗糙度的误差提供了依据。

基于神经网络与决策树的土壤粗糙度测量

利用野外拍摄照片判读土壤粗糙度是一种简单快速的测算方法。为了克服人工判读处理效率低、结果易受人为因素影响和目前的计算机自动读取结果易受野外杂草影响、自动化程度有待提高的缺点,提出了一种基于神经网络和决策树的土壤粗糙度测量方法。该方法在建立神经网络时充分考虑土壤边界线、白板边缘及参考方框的特征选取输入特征向量,消除噪声影响,实现图像边缘检测;并在此基础上建立决策树区分白板、土壤、参考方框等信息,完成土壤边界线和比例尺的获取。野外试验中不可避免有杂草和光照的影响,考虑到阴影、土壤和杂草色彩的差异性,决策树判决准则的选择不仅包含了纹理信息而且考虑了色彩信息。试验表明,基于神经网络与决策树的土壤粗糙度测量采用带有简单方框的参考白板能快速高效地从复杂的野外照片中获取土壤粗糙度信息,降低了拍摄要求。自动提取结果与人工判读相比,所得均方根高度的误差在5%以内,相关长度的计算误差在1%以内,具有较高的精度和可靠性。该研究方法为土壤粗糙度实时在线测算提供了有效的解决方案。

基于散斑强度相关函数的表面粗糙度测量方法

激光经过被测表面反射和散射后,通过自由空间传播至观察面上形成散斑图像,其统计分布依赖于被测表面的微观形貌。分析此散斑图像的二阶统计特性,导出了强度变化的相关函数和表面粗糙度参数之间的关系。以表面粗糙平均值Ra分别为0.1靘, 0.2靘, 0.4靘和0.8靘的平磨标准金属样块形成的散斑图像为例,根据强度变化相关函数的离散化定义,计算得到该相关函数值。结果表明,表面越粗糙,散斑越分散,强度变化的相关函数波动越大。因此,该参数可以反映不同的粗糙面,用其作为表征表面粗糙度的特征参数,扩大了测量范围。该方法实验系统简单,对于实际测量环境要求不高,对震动不是非常敏感,适于在线测量。

减小表面粗糙度测量高斯滤波幅度偏差

提出了一种减小表面粗糙度测量用的高斯滤波器幅度传输特性偏差的新方法。根据中心极限定理,可以构造出不同的高斯逼近滤波器。用多级一阶巴特沃思滤波器和多级移动平均滤波器分别去逼近高斯滤波器时,两者的幅度偏差方向相反、极值位置相近,所以这两种方法的线性组合可以大大减小偏差。用这两种不同逼近滤波器的并联方法构成的一个简单的线性组合滤波器,去逼近高斯滤波器的幅度传输特性,其幅度传输特性的最大偏差只有0．11％。这种新的逼近方法,算法简单、精度高,实现了表面测量高斯滤波处理的高精度和高效率的高度统一。

光学针描法表面粗糙度测量及其关键技术处理

介绍了一种基于光纤传感技术的光学针描法粗糙度测量技术．它根据微观表面轮廓对光信号的调制原理，采用计算机技术进行测量控制、数据采集与处理，从而实现对表面粗糙度各常用参数的测量，并给出被测表面的轮廓图形．文中对有关测量原理及其关键技术进行了介绍，给出了实验结果及误差分析．

智能化三维表面粗糙度测量系统

针对我国现有的粗糙度测量仪器存在的问题及发展趋势,综合运用电子、机械、自动化等知识提出并设计了数字化、智能化方向的粗糙度测量系统;实现了探头的三维自动定位以及其运行机构,并采用了两个传感器同时测量待测零件轮廓和表面粗糙度的方式,简化了结构并提高了粗糙度测量仪的精度和性能。

FFPI粗糙度测量扫描方案探讨

针对双光纤 F— P干涉仪测量高精度表面粗糙度的原理 ,提出波长的空间扫描方法 。

虚拟仪器技术在粗糙度测量中的应用

传统的轮廓仪与虚拟仪器技术相结合 ,构建新的粗糙度测量系统 ,实现表面粗糙度多参数测量与评定。

表面粗糙度测量方法综述

表面粗糙度是机械加工中描述表面微观形貌非常重要的一个参数,表面粗糙度测量技术是现代精密测试计量技术的一个重要组成部分。综述了接触式和非接触式两类测量方法,着重介绍了非接触式测量中的几种测量方法的测量原理及其优缺点。

光纤F—P干涉传感器进行精密表面粗糙度测量原理探讨

本文在双 F— P腔光纤干涉仪测距原理和光纤探针粗糙度测量方法的基础上 ,提出了光纤 F—P干涉传感器的高精度表面粗糙度测量原理。

激光干涉技术在粗糙度测量中的应用

在机械加工中,金属物体的表面粗糙程度往往会影响加工零件的许多性能,所以针对粗糙度的检测是非常重要的。粗糙度的测量方法很多,但许多是接触式测量,不够方便快捷,并有可能对工件表面造成一定的损伤。针对非接触式的粗糙度测量方法,利用激光干涉技术对金属表面进行粗糙度测量,搭建一整套检测系统,并利用改进的滤波技术提高粗糙度的检测精度。

表面粗糙度测量仪的微机改造

介绍了利用微机对表面粗糙度测量仪的改进设计 ,重点说明了系统的原理及软、硬件设计。

散射式激光表面粗糙度测量仪

介绍一种基于激光在粗糙表面散射原理的便携式激光表面粗糙度测量仪。它是以小型的半导体激光器为光源，在光路结构上采用远心光路，并用半散射带法处理经试件微观形貌调制的散射光带，使得测量对试件的放置位置要求低（允许的倾斜度Ｘ向为±２°，Ｙ向为±５°，允许的测量距离偏差为±２ｍｍ），测量范围大（Ｒａ值为０．００５～２μｍ），成功地解决了测量准确度高低与测量范围大小相矛盾的粗糙度测量问题。配置附件可对有特殊形面的试件和内表面的粗糙度进行测量。该仪器结构简单、操作方便，准确度能满足生产实际的需要，适合于生产现场进行快速、无损检测。

一种用于测量曲面轮廓的表面粗糙度测量仪

介绍了一种基于激光干涉原理可测量曲面轮廓的表面粗糙度测量仪的组成结构和测量原理 ,进行了相应的软件开发 。

超光滑表面粗糙度测量的研究

本文讨论了对积分散射测量的超光滑表面均方粗糙度进行修正的问题，得出结论：可以直接依赖于散射理论从积分散射测量确定表面粗糙度值。

基于流场纹理表达与表面粗糙度测量的运动目标分割

针对传统的光流法和背景差法所分割的运动目标存在区域丢失和内部孔洞的缺点,本文提出一种基于流场纹理表达及物体表面粗糙度测量的运动目标分割方法,即通过计算相邻帧间的光流将目标运动表达成流体的流动,并利用线积分卷积来表达流场纹理以展示更多的流场细节,从而将背景图像和运动目标分别表达成不同的纹理,最后通过针描法测量物体表面粗糙度的策略将运动目标和背景的纹理图像映射为表面粗糙度不同的物体,并通过分析直方图确定阈值分割运动目标。实验结果表明,本文提出的运动目标分割方法可自适应地选取阈值,并且可克服内部孔洞。

智能化粗糙度测量仪

综合运用电子、机械、自动化等知识，设计调试了相敏检波电路．硬件采用８０３１单片机的硬件电路；软件系统采用三点峰值法判断波峰波谷．采用减振杆等方法降低机械部分的振动．

触针式表面粗糙度测量仪(三十五)

第三十五讲 触针式表面粗糙度测量仪 1结构和工作原理 触针式表面粗糙度测量仪（以下简称仪器）通常由底座、传感器、驱动器、电子信号处理装置、计算机、打印机等部分组成。图1为常用仪器结构示意图。