隨著對精密儀器表面加工要求地不斷提高，作為一種產(chǎn)品質(zhì)量控制的重要手段，機械加工零件表面缺陷檢測技術(shù)也被廣泛應(yīng)用于機械表面的加工過程。
由于加工過程刀具行程的變化、材料本身特性以及振動等原因，會在機械加工零件表面形成不同的缺陷。對于這些微小的缺陷，特別是紋理缺陷，通常人眼對其反映很敏感，比較容易識別，
但由于這些缺陷難以進行數(shù)學(xué)描述，也難以使用計算機進行自動識別，所以迫切需要提出一種有效的機械加工零件表面缺陷檢測算法。
由于大量的紋理分割方法不斷出現(xiàn)，并被用于產(chǎn)品檢測，因此出現(xiàn)了很多不同產(chǎn)品缺陷檢測方法。如，采用Gabor濾波器組的檢測方法和基于結(jié)構(gòu)分析的方法等。這些缺陷檢測方法雖然
在特定應(yīng)用環(huán)境中具有較好的分割效果，但也存在著一定的缺點，如基于Gabor濾波器的方法，需要根據(jù)樣本估計濾波器的參數(shù)，因此對于非監(jiān)督分割無能為力，而基于結(jié)構(gòu)分析的方法對
隨機性紋理圖像的分割效果不佳，并且這些缺陷檢測方法主要用于檢測尺寸較大的缺陷，而對于小尺寸缺陷的檢測效果較差。精密機械加工零件表面的缺陷尺寸一般都比較小，同時由于
其表面的缺陷信息無法預(yù)先得知，故其表面圖像分割是一個非監(jiān)督紋理的分割問題，因此現(xiàn)有的紋理分割方法不適用。鑒于機械加工零件表面缺陷的上述特點，提出了一種基于共生矩陣和
模糊聚類相結(jié)合的分割方法來對機械加工零件表面進行缺陷檢測，同時為了自適應(yīng)確定紋理分割區(qū)域數(shù)，引入了一種基于類內(nèi)方差和類間方差的有效值函數(shù)。該方法首先采用共生矩陣提取
加工表面的紋理特征向量，然后用改進的模糊C-均值算法對特征向量進行聚類分析，算法可以準確的檢測出機械加工零件表面的缺陷信息。
一個工件的表面是否好直接關(guān)系到整個工件，所以對工件表面的缺陷我們不能忽視.