10.13774/j.cnki.kjtb.2022.03.008
基于机器学习的烟草包装封口处视觉缺陷图像检测方法
针对缺陷检测方法中存在检测所需时间较长、漏检率较高等问题,基于机器学习,提出封口处视觉缺陷图像检测方法.首先,采用小波阈值去噪方法对烟草包装封口处图像进行小波变换,抑制图像噪声;在图像去噪处理后,使用机器学习基函数对封口处纹理图像进行小波分解,将图像分解成彼此独立的子窗口.然后计算不同窗口的差分统计纹理特征值,最后运用欧式距离分类器进行缺陷判断,结合Harris角点检验算法进一步完成缺陷部分精确检测.实验结果表明,所提方法检测所需时间平均缩短了约0.27 s,误检率降低了近8个百分点.
机器学习、小波重构、小波基函数、欧式距离分类器
38
TP391.41(计算技术、计算机技术)
国家自然科学基金61474032
2022-05-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
47-51