基于机器视觉的表面粗糙度测量方法主要通过图像特征信息与粗糙度的关联指标建立预测模型,但是样本量不足往往难以训练出有效的模型,导致测量准确率较低。针对以上问题,提出一种小样本磨削表面粗糙度测量方法。建立图像采集系统,采集不同粗糙度等级磨削表面图像作为原始样本;通过虚拟样本生成算法扩充样本量,采用灰度共生矩阵提取样本纹理特征;最后,通过神经网络建立预测模型。试验结果表明:样本量扩充后,表面粗糙度测量的准确率从80.4%提升到97.2%,证明了此方法的可行性,为小样本磨削表面粗糙度在机检测提供理论基础。

虚拟样本是解决小样本条件下模式识别问题的有效手段。在总结前人研究成果的基础上给出了虚拟样本的定义，利用VC维理论分析了虚拟样本的作用。针对双层圆柱壳体结构噪声源识别这一实际问题，提出了两种分别基于频响函数和傅里叶变换的虚拟样本生成算法。试验结果表明两种算法均能有效提高噪声源识别正确率。