食品机械中的微小零件在食品加工、生产领域中决定了产品的质量，例如饮料灌装设备中的零件轴承决定了生产线运行的平稳性[1]，腐竹切割刀具的零件是切割腐竹质量的关键因素[2]。

传统的测量方法有全息干涉法(Holographic Interferometry，HI)等[3]，需要测量人员通过调节测微目镜，人眼读出干涉条纹间距，但效率低、费时、受人为因素影响大，且对人眼伤害极大；千分尺法(Micrometer Method，MM)操作简单直接[4]，但受人为、环境因素影响较大，无法实现自动测量和非接触式测量。图像测量方法相比传统测量方法具有较高的精度，对各种尺寸、形状均可测量，测量范围广、灵活性好[5]，自适应图像阈值方法(Adaptive Image Thresholding，AIT)，对于不同背景噪声水平的图像适应性强[6]，但不能在有效去除杂点的同时保持变化区域边缘信息；图像特征方法(Image Feature，IF)，提取序贯图像之间的尺寸特征[7]，并以此来检测零件尺寸，对大型零件直线边缘检测误差较小，不太适合微小零件检测；图像灰度识别(Image Gray Recognition，IGR)算法[8]，通过霍夫变换检测，将图像中具体的像素尺寸换算到实际的尺寸，但是在目标边缘模糊的微小零件中仍存在尺寸检测精度低的问题。

为了提高微小零件尺寸检测的效果，试验拟采用宇宙量子算法，建立宇宙空间结构以及宇宙间信息交流过程，并对微小零件像素级边缘进行检测及定位。

1 宇宙量子算法模型

1.1 宇宙模型

1.1.1 宇宙空间结构 宇宙空间结构影响算法的运行效率[9-10]，采用主、从结构方式，每个主宇宙包含若干个从宇宙，从宇宙随机分布在主宇宙的周围，其离主宇宙有一定的距离，并且每个主、从宇宙群之间的距离也不一定相等，图1为宇宙空间结构模型。

由图1可知，每个主宇宙在自身的主、从宇宙群中心位置，每个从宇宙离自身的主、从宇宙群的主宇宙距离相等，主、从宇宙群A包含14个从宇宙，主、从宇宙群B包含18个从宇宙，主、从宇宙群C包含10个从宇宙。各个主、从宇宙群的每个从宇宙信息交流有2种方式，一种为与自身主、从宇宙群的其他从宇宙进行信息交流，一种为与自身主、从宇宙群的主宇宙进行信息交流。

图1 宇宙空间结构模型Figure 1 Universe space structure model

1.1.2 宇宙个体信息特征 无论主、从宇宙信息特征均包括两个要素即信息度和吸引度，信息度为宇宙自身对信息的拥有程度，吸引度为宇宙自身可吸引其他宇宙的程度，宇宙i在t时刻的信息度计算为：

式中：

ri——宇宙i的膨胀系数，ri∈[0,1]；

l0——宇宙交流信息初始时的信息度，TB；

γ——信息吸收系数，γ∈[-1,0)∪(0,1]。

宇宙i的吸引度q计算为：

式中：

最小吸引度，N/km；

hij——宇宙i和j的间距，km；

rand(·)——[0,1]上服从均匀分布的随机因子。

信息度和吸引度决定了其他宇宙向宇宙i进行信息可交换的程度，宇宙i吸引宇宙j进行交换信息的更新公式为：

式中：

宇宙i和j在t时刻的信息度，TB；

更新后信息度，TB；

ω——调节因子。

1.2 宇宙间信息交流过程

1.2.1 主宇宙间信息控制 主宇宙间信息度的改变通过非对称梯形分布隶属度函数μ控制：

式中：

τ1、τ2——阈值。

通过μ对控制，μ随迭代次数t的变化过程如图2所示。

图2μ随t时刻变化情况Figure 2μchanges witht

从图2可以看出，τ1设置为30，τ2设置为60，在开始时刻，μ随着t增加，其值也增加，在t<τ1区间曲线增加程度比较陡，主宇宙信息度改变较大，相当于进行整体寻优；τ1τ2，μ随着t增加而缓慢减小，主宇宙信息度改变较小，相当于进行局部寻优。

1.2.2 从宇宙间信息控制 在对从宇宙间信息更新进行过程中[11-12]，初始时要求从宇宙信息改变较大；在后期或者一定次数之后，要求宇宙信息改变较小，通过z形隶属函数k自适应调节吸引度实现：

式中：

τ——阈值，文中设置为45。

k随t变化过程如图3所示。

从图3可以看出，隶属度k在初始时比较大，几乎为1，满足从宇宙交换信息在寻优前期进行大区域搜素的要求，可提高搜索的全局性能；在最终阶段的宇宙交换信息值比较小，可进行小范围搜素，提高搜索的局部性能。