来源：期刊VIP网 时间：
作者：苏靖;渠慎明;
单位：商丘职业技术学院计算机工程学院;河南大学软件学院;
摘要：超强耐热齿轮轴承表面因耐热材料特殊性质，使其表面形成随机分布的微小凸起、错综复杂的线条等独特纹理结构，而微小缺陷与复杂纹理特征差异较小，难以准确区分，易误判或掩盖真正缺陷，影响微小差异纹理捕捉及不同类型缺陷分类能力，导致缺陷检测准确性差。为此，提出改进CNN的超强耐热齿轮轴承表面缺陷检测方法。通过基于像素的马尔夫随机场算法获取像素特征及似然函数；利用随机区域合并算法提取轴承表面区域特征及似然函数；使用最大梯度算法捕获轴承表面图像边缘特征及似然函数；融合全部似然函数区分复杂纹理和真正缺陷特征，引入能量最小准则分割缺陷区域。最后，改进CNN分类器，利用AdaBoost构建AdaBoost-SVM级联分类器，识别各类缺陷。将分割后的缺陷区域输入训练后的级联强分类器，完成超强耐热齿轮轴承表面缺陷检测。实验结果表明，该方法可显著提升轴承表面缺陷检测结果的准确性。
关键词：改进CNN;;超强耐热齿轮;;轴承表面;;缺陷检测
基金资助：河南省高等学校重点科研项目计划支持（26B520040）;; 商丘市科技攻关项目（2024038）;; 河南省高等教育教学改革研究与实践项目（2024SJGLX0810）
