采用机器视觉技术可快速实现铣削工件表面质量缺陷检测,而实际应用中铣削工件表面纹理背景常导致表面质量缺陷检测失败。为了从工件表面图像纹理背景中快速有效分析和提取加工缺陷,本文提出一种基于NMF与Gabor小波虚部特性的图像表面缺陷提取方法,主要开展了如下几个方面的研究:1、高速铣削实验。以VMC-C30高速双转台五轴联动加工中心为实验平台,通过优选加工刀具、加工工艺参数以及冷却液种类,针对特定的工件材料,确定加工实验方案,并开展了一系列高速铣削实验。铣削加工后采用粗糙度测试仪对工件表面进行了表面质量检测。2、工件铣削表面图像获取。选用Microvision系列产品(包括工件放置平台、工业数字摄像机、图像数据采集卡和光源等),搭建采集工件表面图像的硬件平台。同时采用MVIPS软件作为软件程序平台,通过调用相机拍摄程序采集了实验中的工件表面图像。3、工件铣削表面缺陷识别。针对采集的铣削工件表面图像,通过维纳滤波方法进行图像去噪处理后,采用非负矩阵分解算法对去噪图像进行无监督学习,获得了工件加工表面潜在纹理结构图像;然后将工件表面去噪图像和潜在纹理结构图像与Gabor小波滤波器虚部函数分别进行卷积,采用差影法计算获得两图像的能量差异分布,确定能量差异分布阈值后,可在工件表面去噪图像上分割提取缺陷特征;同时依据工件表面质量检测结果,对比分析缺陷特征,可识别高速铣削工件表面缺陷的几何特征,实现对缺陷的数字化描述。本文开展的高速铣削实验和图像处理结果表明:采用基于NMF与Gabor小波虚部特性的图像表面缺陷提取方法,能够有效地抑制铣削加工工件的纹理背景,提高工件表面纹理背景和缺陷的对比度,同时实现对工件表面加工缺陷的数字化描述,可为更好地采用机器视觉技术检测工件表面加工质量奠定理论基础。