一种基于机器学习的表面粗糙度无损检测方法

本发明涉及一种基于机器学习的表面粗糙度无损检测方法。测量样品的表面粗糙度，获取表面粗糙度数据，同时，获取样品的SEM图和金相图，将图片预处理后提取图片中的纹理特征值，与表面粗糙度数据组成数据集；建立表面粗糙度与纹理特征值之间的线性映射关系模型，采用训练集对线性映射关系模型进行训练，采用测试集验证线性映射关系模型的准确性；采用调整后的线性映射关系模型对待测物体进行模拟，获得待测物体的表面粗糙度。与现有技术相比，本发明利用机器学习技术构建物体图像特征值与粗糙度之间的线性映射关系模型，改变了传统检测方法中离散性或缺少映射模型的现状，实现对物体表面粗糙度的非接触式、快速地测量，降低了检测的成本。