基于机器学习的灭弧栅片表面缺陷检测方法

论文摘要

为了实现金属灭弧栅片表面缺陷的自动检测,引入了CCD成像系统并提出了表面缺陷检测三步法:第一步对原始图像进行去噪,第二步将灭弧栅片从背景中提取出来,第三步利用分类器对缺陷产品进行识别。提出了基于方向梯度直方图(HOG)与Gabor特征结合的图像特征提取算法,与传统的基于HOG和基于Gabor特征的算法相比,多分类支持向量机的训练结果显示本方法识别率分别提高了13%和7%。通过设计卷积神经网络框架对缺陷产品进行检测,结果显示正确率为93%。在二分类情况下对支持向量机和卷积神经网络的分类性能进行了比较,结果显示卷积神经网络性能更优。

论文目录

• 0 引言
• 1 灭弧栅片成像系统硬件组成
• 2 图像预处理
•   2.1 图像去噪
•   2.2 目标定位
• 3 图像特征提取
•   3.1 HOG特征
•   3.2 Gabor特征
•   3.3 HOGA特征提取算法 （本文的方法）
• 4 卷积神经网络
• 5 实验及结果分析
• 6 结论

文章来源

类型: 期刊论文

作者: 郭良,舒亮,吴桂初

关键词: 支持向量机,卷积神经网络,缺陷检测,机器学习,灭弧栅片

来源: 机械工程与自动化 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 金属学及金属工艺,自动化技术

单位: 温州大学浙江省低压电器智能技术重点实验室

基金: 国家自然科学基金资助项目(51507113),浙江省分析测试科技计划项目(2016C37084),浙江省科技厅公益项目(2016C31052)

分类号: TG115.28;TP181

页码: 4-7

总页数: 4

文件大小: 1238K

下载量: 261