公开(公告)号：CN106651856A

公开(公告)日：2017-05-10

申请号：CN201611267152.3

申请日：2016-12-31

Applicant: 湖南文理学院

Inventor： 曹斌芳 ,  李建奇 ,  黎小琴 ,  聂方彦 ,  周雪峰 ,  时梦瑶 ,  杨峰

IPC: G06T7/00 ,  G06T7/44 ,  G06K9/62

CPC classification number: G06T7/0008 ,  G06K9/6269 ,  G06T2207/10004

Abstract: 本发明公开一种泡沫镍表面缺陷的检测方法，其包括：步骤S1.获取泡沫镍表面图像，进行下采样处理得到图像A；步骤S2.对图像A进行NSCT变换，得到若干子图像；步骤S3.对子图像在多个方向上求取灰度共生矩阵GLCM，并计算Haralick特征统计量得到特征统计向量；步骤S4.采用KPCA对特征统计向量进行降维处理；步骤S5.将降维后的特征统计向量作为模型输入，采用最优有向无环图支持向量机DAG‑SVM算法对泡沫镍的表面缺陷进行识别。能够提取到不同细节上的纹理信息，使缺陷的识别率达到85％以上，能够有效的识别泡沫镍表面缺陷，具有较佳的推广运用前景。

公开(公告)号：CN106650823A

公开(公告)日：2017-05-10

申请号：CN201611261407.5

申请日：2016-12-30

Applicant: 湖南文理学院

Inventor： 李建奇 ,  曹斌芳 ,  聂方彦 ,  杨峰 ,  王文虎 ,  时梦瑶 ,  李明昊

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于概率极限学习机集成的泡沫镍表面缺陷分类方法，它首先获取了泡沫镍的表面缺陷图像，包括污染、折痕、裂纹、漏镀、刮伤这五类；然后分别提取泡沫镍表层纹理特征，包括能量、熵、逆差矩和相关性，作为极限学习机多分类器的输入样本x；通过概率极限学习机分类性能的分析，构建概率极限学习机集成策略；以样本x为输入，采用概率极限学习机集成策略构建泡沫镍缺陷分类模型，实时对多泡沫镍缺陷进行分类。本发明避免多个概率输出值接近时所造成的误判，有效降低各类缺陷样本相似造成的误判。工业数据的仿真说明本方法具有较好的分类性能，使缺陷的识别率达到85%以上，满足现场企业需求，为泡沫镍生产过程的自动检测和优化控制奠定基础。