基于改进GLCM和Tamura特征的工件表面粗糙度检测

由于使用图像法获得工件的单一纹理无法精确描述工件表面粗糙度，所以给出了通过改进GLCM（灰度共生矩阵）特征和Tamura特征的纹理提取算法，并通过建立纹理特征与表面粗糙度之间的模型关系定性评价工件表面粗糙度。首先对传统的GLCM加以修改，提出了增强的GLCM(ET-GLCM)算子，提升了GLCM的尺度不变性和旋转不变性，并经过对比实验证明ET-GLCM有较强的鲁棒特性；然后创建了支持向量机检测模型，测量不同粗糙度等级的工件表面图像。以工件表面图像的纹理特征参数为输入，对应的工件表面粗糙度Ra为期望输出，从而完成工件表面粗糙度的检测。通过实验验证支持向量机检测模型的有效性，其检测结果相对误差不超过5%，绝对误差小于0.06。根据仿真对比实验结果表明，提出的方法具有较高的检测精度，可用于工件表面的粗糙度检测。