-
公开(公告)号：CN103198322B
公开(公告)日：2017-02-08
申请号：CN201310020370.7
申请日：2013-01-18
Applicant: 江南大学
Abstract: 本发明提供一种基于机器视觉的磁瓦表面缺陷特征提取及缺陷分类方法。首先构造用于表面缺陷特征提取的5尺度、8方向Gabor滤波器组，并对原始图像滤波，得到40幅分量图；提取分量图的灰度均值和方差特征，组成80维特征向量；用PCA主成分法和ICA独立成分法对80维特征向量降维，去除相关和冗余，得到20维特征向量，并对数据归一化处理；采用网格法和K-CV交叉验证法实现SVM参数寻优，基于样本数据离线训练SVM模型。在线检测时，数据经预处理至SVM，实现缺陷的自动分类识别。本发明特征提取方法可以有效滤除磁瓦表面纹理的干扰、凸显缺陷；提取的特征能够真实反映缺陷信息，数据量小；用于缺陷分类的分类器，可以在线、准确的实现缺陷识别。
-
公开(公告)号：CN102636490A
公开(公告)日：2012-08-15
申请号：CN201210106471.1
申请日：2012-04-12
Applicant: 江南大学 , 无锡信捷电气有限公司
IPC: G01N21/88
Abstract: 本发明涉及一种基于机器视觉的轴承防尘盖表面缺陷检测方法，其包括如下步骤：a、获取待检测轴承的灰度图像，b、分离得到轴承防尘盖圆环图像；c、进行灰度变换、自适应中值滤波的预处理；d、利用最大类间方差法进行阈值分割，并利用Roberts边缘检测算子提取阈值分割后轴承防尘盖圆环图像的边缘；e、对上述轴承防尘盖圆环图像每隔2°时计算图像区域内数值为1的数目；f、提供模板轴承图像，并计算得到偏转角度σ；g、分离得到轴承防尘盖圆环图像的字符区域与非字符区域；h、对轴承防尘盖圆环图像中对应字符区域、非字符区域根据连通域数量及缺陷面积进行表面缺陷判定。本发明能实现自动检测，降低人工检测目测工作量，提高检测效率，安全可靠。
-
公开(公告)号：CN102636490B
公开(公告)日：2014-01-15
申请号：CN201210106471.1
申请日：2012-04-12
Applicant: 江南大学 , 无锡信捷电气股份有限公司
IPC: G01N21/88
Abstract: 本发明涉及一种基于机器视觉的轴承防尘盖表面缺陷检测方法，其包括如下步骤：a、获取待检测轴承的灰度图像，b、分离得到轴承防尘盖圆环图像；c、进行灰度变换、自适应中值滤波的预处理；d、利用最大类间方差法进行阈值分割，并利用Roberts边缘检测算子提取阈值分割后轴承防尘盖圆环图像的边缘；e、对上述轴承防尘盖圆环图像每隔2°时计算图像区域内数值为1的数目；f、提供模板轴承图像，并计算得到偏转角度σ；g、分离得到轴承防尘盖圆环图像的字符区域与非字符区域；h、对轴承防尘盖圆环图像中对应字符区域、非字符区域根据连通域数量及缺陷面积进行表面缺陷判定。本发明能实现自动检测，降低人工检测目测工作量，提高检测效率，安全可靠。
-
公开(公告)号：CN103198322A
公开(公告)日：2013-07-10
申请号：CN201310020370.7
申请日：2013-01-18
Applicant: 江南大学
Abstract: 本发明提供了一种基于机器视觉的磁瓦表面缺陷特征提取及缺陷分类方法。具体算法包括：第一步，构造适合磁瓦表面缺陷特征提取的5尺度、8方向Gabor滤波器组，并对原始图像进行滤波，得到40幅分量图；第二步，分别提取分量图的灰度均值和方差特征，组成一个80维的特征向量；第三步，用PCA主成分分析法和ICA独立成分分析法对原80维的特征向量进行降维，去除相关性和冗余性，得到20维的特征向量；第四步，对特征向量数据归一化预处理，原数据被归一化到[0，1]之间；第五步，首先采用网格法和K-CV交叉验证法实现SVM参数寻优，用训练样本数据离线训练SVM模型；在线检测时，将预处理后的测试样本数据输入到支持向量机，就可以实现缺陷的自动分类识别。本发明采用的特征提取方法可以有效滤除磁瓦表面纹理的干扰、凸显缺陷；提取的特征能够真实反映缺陷信息，且数据量小；用于缺陷分类的分类器，可以在线快速、准确的实现缺陷识别。
-
-
-
Search Results
4
records
(took 0.017 seconds)
