虚拟样本在粗糙度视觉测量中的应用方法研究

摘要

在基于机器视觉的粗糙度测量系统中,最为关键的是建比图像信息与粗糙度关联指标的预测模型,充足的样本量是建立有效预测模型的基础。针对以上问题,文章提出了虚拟样本在粗糙度视觉测量中的应用方法,对通过图像采集系统与粗糙度测量仪获得对应粗糙度值的原始样本,分别采用重采样、奇异值重构、正三角重构加权融合的虚拟样本生成方法扩充样本量,基于灰度共生矩阵提取样本纹理特征,结合神经网络建空并训练图像信息与粗糙度关联指标的预测模型,结果表明:扩充样本量可有效提高粗糙度视觉测量的准确率,奇异值重构法提高了10.3%、重采样法提高了12%、正三角重构加权融合法提高了16.5%,证明了虚拟样本生成方法应用于粗糙度视觉测量中的可行性,为粗糙度的在机检测提供理论基础。