制造技术与机床
製造技術與機床
제조기술여궤상
MANUFACTURING TECHNOLOGY & MACHINE TOOL
2014年
2期
126-128,132
,共4页
缺陷%磁瓦%支持向量机%机器视觉%图像处理
缺陷%磁瓦%支持嚮量機%機器視覺%圖像處理
결함%자와%지지향량궤%궤기시각%도상처리
defect%magnet%support vector machine (SVM)%machine vision%image processing
提出了一种基于支持向量机(SVM)和机器视觉的磁瓦缺陷的检测方法,通过图像增强、边缘提取的方法提取磁瓦缺陷后,提取磁瓦各种缺陷类型的形态特征参数,其中选择了面积、周长、紧凑性、离心率、一阶中心矩、二阶中心矩、三阶中心矩、四阶中心矩、五阶中心矩以及六阶中心矩等.将总共90张磁瓦侧面图片的漏磨、开裂和正常等3种情况的特征参数提取,在每种类型随机选取18个样本,即共54个样本作为LS-SVM的建模量,其余36个样本作为LS-SVM的预测样本来检验模型的优劣,获得缺陷类型识别准确率达91.67％,该结果表明通过支持向量机和机器视觉可实现较高精度和效率的磁瓦缺陷检测.
提齣瞭一種基于支持嚮量機(SVM)和機器視覺的磁瓦缺陷的檢測方法,通過圖像增彊、邊緣提取的方法提取磁瓦缺陷後,提取磁瓦各種缺陷類型的形態特徵參數,其中選擇瞭麵積、週長、緊湊性、離心率、一階中心矩、二階中心矩、三階中心矩、四階中心矩、五階中心矩以及六階中心矩等.將總共90張磁瓦側麵圖片的漏磨、開裂和正常等3種情況的特徵參數提取,在每種類型隨機選取18箇樣本,即共54箇樣本作為LS-SVM的建模量,其餘36箇樣本作為LS-SVM的預測樣本來檢驗模型的優劣,穫得缺陷類型識彆準確率達91.67％,該結果錶明通過支持嚮量機和機器視覺可實現較高精度和效率的磁瓦缺陷檢測.
제출료일충기우지지향량궤(SVM)화궤기시각적자와결함적검측방법,통과도상증강、변연제취적방법제취자와결함후,제취자와각충결함류형적형태특정삼수,기중선택료면적、주장、긴주성、리심솔、일계중심구、이계중심구、삼계중심구、사계중심구、오계중심구이급륙계중심구등.장총공90장자와측면도편적루마、개렬화정상등3충정황적특정삼수제취,재매충류형수궤선취18개양본,즉공54개양본작위LS-SVM적건모량,기여36개양본작위LS-SVM적예측양본래검험모형적우렬,획득결함류형식별준학솔체91.67％,해결과표명통과지지향량궤화궤기시각가실현교고정도화효솔적자와결함검측.
