论文部分内容阅读
为实现表面粗糙度的非接触、快速测量,提出了一种基于激光散斑和径向基神经网络的表面粗糙度测量方法,通过实验验证了方法的有效性,并且分析了测量结果的主要影响因素。借助图像处理技术,从采集的散斑图像中提取了4个与表面粗糙度密切相关的特征向量--对比度、暗区比、灰度分布和二值特征。以这4个特征向量作为神经网络的输入,利用径向基神经网络的自组织、自学习和记忆等特性,用一定数量的样本对神经网络进行了学习训练,然后用训练好的神经网络完成了4个不同粗糙度等级的平磨样块的测量实验。结果表明,该测量方法能够准确实现表面粗糙度的分类测量,并且具有非接触、测量速度快、准确率较高等特点,而影响因素的分析对深入研究有一定的参考作用。