摘要：由于对机械加工零件表面进行磨损图像检测的过程中存在噪声,影响了检测精度,为此以模糊神经网络为技术支持,结合人工智能技术,设计一种机械加工零件表面磨损图像检测方法。选取某锻造加工厂一台金属切削机械车床,就其加工零件表面展开检测分析。将模糊化概念与模糊推理融入神经元,构建五层结构的模糊神经网络,通过数控车床控制系统运行与训练,明确各网络层相关参数。利用灰度增强、中值滤波、阈值分割等预处理手段,对车床加工零件表面图像进行预处理。基于模糊神经网络结构,将预处理后零件表面图像输入网络输入层,经模糊化层、规则层、求和层的处理,由反模糊化层输出最终的磨损图像检测结果。实验结果表明,所提方法的车床加工零件表面磨损图像检测精度较高,对加工现场复杂的光照环境,具备较强的抗干扰能力,可行性与可靠性优势显著。