| 磁瓦表面缺陷的机器视觉检测方法 |
| |
| 引用本文： | 张振尧,白瑞林,过志强,姜利杰.磁瓦表面缺陷的机器视觉检测方法[J].光学技术,2014(5):434-439. |
| |
| 作者姓名： | 张振尧 白瑞林 过志强 姜利杰 |
| |
| 作者单位： | 江南大学轻工过程先进控制教育部重点实验室;信息与控制实验教学中心;无锡信捷电气股份有限公司; |
| |
| 基金项目： | 江苏高校优势学科建设工程资助项目(PAPD);江苏省产学研前瞻性联合研究项目(BY2012056) |
| |
| 摘 要： | 为了提高磁瓦表面缺陷在线检测准确率并降低检测时间,提出一种基于机器视觉的检测方法。离线训练时,对经过Gabor小波处理后的子图进行融合并提取纹理特征,使用改进的Relief算法提取与类别相关性强的特征子集,并去除冗余特征。为降低缺陷磁瓦的漏检率,先进行偏向性分类处理,再采用最小二乘支持向量机进行分类预测。实验表明,整体预测准确率96.89%,缺陷磁瓦分类准确率达到99.09%,且在线预测时间减少了近1/4,只需67.4ms。
|
| 关 键 词： | 光学测量 缺陷检测 特征选择 虚拟少数类过采样 机器视觉 |
The feature selection and bias classification of magnetic tile surface defect |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
