基于向量机的计算机视觉在钢材分类缺陷检测中的应用

摘要：

随着各领域对钢材工艺水平要求的不断提高,提高视觉检测设备的效率和精度已成为智能制造业的发展趋势和应用方向.基于支持向量机提出一种视觉检测算法,应用于钢材缺陷分类检测中,钢材样本数据集通过最小生成树分类模型处理后,使用最优半径算法选取半径,对稠密及稀疏下的边和点间所存在的关联性加以区分,将获得的分类数据用作支持向量机输入参数.支持向量机模型中选取高斯径向基作为核函数,选取"一对一"分类训练方法,识别钢材流水生产中的各种缺陷.仿真实验证明,支持向量机模型在有新类别出现的情况下,对缺陷类型的分类达到了理想程度,能够满足现有工业领域需求.

关键词：支持向量机;最小生成树;核函数;最优半径选取

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：广东省普通高校特色创新项目;2018-2020教育部职业院校信息化教学研究课题;2020年广东省科技创新战略专项资金项目攀登计划

在线出版日期：2021-09-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：51-55