10.3969/j.issn.1005-2402.2014.02.040
基于支持向量机和机器视觉的磁瓦缺陷检测的研究
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.
缺陷、磁瓦、支持向量机、机器视觉、图像处理
TP24(自动化技术及设备)
浙江省科技计划公益类项目2013C32021;浙江机电职业技术学院科技孵化基金以及浙江机电职业技术学院人才引进项目A-2603-13-001;浙江省滑动轴承工程技术研究中心建设项目2012E 100 28
2014-03-06(万方平台首次上网日期,不代表论文的发表时间)
共4页
126-128,132