林业科技开发
林業科技開髮
임업과기개발
CHINA FORESTRY SCIENCE AND TECHNOLOGY
2012年
6期
73-76
,共4页
木材%缺陷检测%最小二乘支持向量机
木材%缺陷檢測%最小二乘支持嚮量機
목재%결함검측%최소이승지지향량궤
针对图像分割的复杂性和局限性,作者提出一种基于最小二乘支持向量机(LS-SVM)的木材表面缺陷网格化检测方法.首先将木材表面图像划分成互不重叠的矩形块,然后依次计算每个矩形块图像的特征向量,用于描述各个矩形块图像,其特征向量由颜色特征和纹理特征等参数共同组成.最后将特征向量归一化后送入LS-SVM分类器,利用特征向量的相似度来进行缺陷的定位和识别.实验结果表明,该方法可有效进行木材表面缺陷检测,检测准确率超过93％.
針對圖像分割的複雜性和跼限性,作者提齣一種基于最小二乘支持嚮量機(LS-SVM)的木材錶麵缺陷網格化檢測方法.首先將木材錶麵圖像劃分成互不重疊的矩形塊,然後依次計算每箇矩形塊圖像的特徵嚮量,用于描述各箇矩形塊圖像,其特徵嚮量由顏色特徵和紋理特徵等參數共同組成.最後將特徵嚮量歸一化後送入LS-SVM分類器,利用特徵嚮量的相似度來進行缺陷的定位和識彆.實驗結果錶明,該方法可有效進行木材錶麵缺陷檢測,檢測準確率超過93％.
침대도상분할적복잡성화국한성,작자제출일충기우최소이승지지향량궤(LS-SVM)적목재표면결함망격화검측방법.수선장목재표면도상화분성호불중첩적구형괴,연후의차계산매개구형괴도상적특정향량,용우묘술각개구형괴도상,기특정향량유안색특정화문리특정등삼수공동조성.최후장특정향량귀일화후송입LS-SVM분류기,이용특정향량적상사도래진행결함적정위화식별.실험결과표명,해방법가유효진행목재표면결함검측,검측준학솔초과93％.
