基于BOW-HOG特征的活塞裂纹在线识别研究

为解决疲劳模拟台架试验中裂纹在线识别问题,应用并改进了基于BOW-HOG特征的机器学习方法,采用HOG特征提取方法提取了多种形态的裂纹特征。通过词袋模型和k-means聚类方法生成了裂纹的特征描述词典,以旋转、对称的增强训练方法改善了方向保持性,以图像金字塔的方式改善了尺寸保持性;采用联合灰度级分布图像差分法提取了图片感兴趣区域,以支持向量机作为分类器实现了复杂化环境下的活塞裂纹在线识别功能。试验及研究结果表明:改进后BOW-HOG算法准确率达到84.1%,表现出了良好的尺寸和旋转保持性,消耗更少的计算资源,显著提高了训练样本较为有限和复杂情况下的裂纹识别算法的准确率和鲁棒性。