基于混合染色体的带钢缺陷图像分类方法研究

为了保证带钢缺陷分类的实时性和准确性,提出了一种基于混合染色体的带钢缺陷图像分类方法。该方法不仅优化了支持向量机SVM中核函数参数、惩罚因子,并且对核函数、输入的特征向量进行了选择。除此之外,该方法融合了遗传算法和SVM,用遗传算法优化影响SVM的核函数参数、惩罚因子、输入特征和核函数;同时,用SVM建立的分类模型的分类准确率限制遗传算法的进化方向,彼此制约和促进,最终确定最优分类模型。实验结果表明,基于混合染色体的带钢缺陷图像分类方法建立的分类模型能实时、准确地对带钢缺陷图像进行分类。     

基于X射线的钢丝绳芯无损探伤系统研究

设计了一种基于X射线的钢丝绳芯无损探伤系统。该系统利用X射线的良好穿透性检测钢丝绳芯输送带中的钢丝绳缺陷,采用光纤将现场采集的图像信息传输到远程上位机中进行分析处理,实现了钢丝绳芯缺陷图像的在线智能识别和分析等功能。原理样机测试结果表明,该系统能够检测出切断、凿穿、接头抽动、撕裂等钢丝绳缺陷,在保证X射线安全工作的前提下,提高了检测效率和准确性。     

基于支持向量机的纸张缺陷图像分类识别

根据支持向量机（SVM）在小样本、高维模式分类中具有的优良分类性能,提出将支持向量机应用于实际的纸张缺陷分类。针对三种现场易出现的缺陷,通过对缺陷图像进行预处理、特征选择,再利用SVM进行分类,利用交叉验证进行参数和模型选取,取得了较好的分类效果,为纸张缺陷的分类指出一种可行的方法。     

基于纹理提取和SVM技术的自动木材缺陷识别

要：支持向量机（SVM）是一种新的模式识别方法,有较好的泛化能力和推广能力。研究了基于纹理提取和支持向量机的自动木材表面缺陷的识别问题,借助LBP纹理特征提取技术实现对木材图像数据降维处理,并研究了木材表面不同类型缺陷的分布规律。利用支持向量机分类算法对木材表面有无缺陷进行了快速准确的自动识别,实现了木材表面缺陷的自动定位。多次交叉实验表明,SVM分类算法对木材表面缺陷具有较好的识别能力,识别率可达96％以上。     

基于支持向量机的条烟包装外观缺陷检测

针对卷烟生产过程中条烟包装外观缺陷问题,提出一种基于支持向量机(SVM)的条烟包装缺陷图像检测方法。该方法首先采用模板匹配法定位条烟检测区域;然后利用Haar小波变换进行频域分解,并通过灰度共生矩阵算法对频域图提取纹理特征;最后结合纹理特征建立条烟支持向量机分类模型,对待测样本进行分类识别。结果表明:基于SVM分类模型的识别率为96.1%,该方法通用性强,实时性好,满足条烟异常情况检测要求。与BP神经网络测试性能相比,分类性能优于BP神经网络。     

一种新型强力胶带钢丝绳芯在线检测仪的设计

针对胶带输送机在运行过程中会出现胶带接头因受力过大而抽动,胶带钢丝绳因受外力的冲击而被砸断,因胶皮破损受水的锈蚀造成断绳或锈蚀等问题,介绍了一种电磁感应式、非接触式的强力胶带钢丝绳芯在线检测仪。该检测仪利用本安型磁感探测传感器把钢丝绳芯接头和断头的变化的磁场信号转换为电信号送入数据采集模块,然后由下位机采集、存储信号,再经数据传输模块送到地面,利用地面上位机进行信号分析、处理,最终得到钢丝绳芯接头和断绳的实际情况。实际应用表明,该检测仪能直观地检测钢丝绳芯的使用状态,具有运行稳定、检测准确的特点。     

基于改进粒子群优化的SVM故障诊断方法

针对支持向量机(SVM)分类模型参数选取困难的问题,提出基于遗传免疫的改进粒子群优化算法,克服传统粒子群算法前期收敛快、后期易陷入局部最优的缺陷。将该算法与优化支持向量机分类模型相结合,建立基于遗传免疫粒子群和支持向量机的诊断模型,并用于轴承故障诊断中。结果表明,基于遗传免疫粒子群算法优化的SVM可实现对SVM分类模型参数的自动优化,并能提高SVM分类模型的故障诊断精度,对分散程度较大、聚类性较差的故障样本分类有较强的适用性。     

基于GA的遥感图像目标SVM自动识别

为了高效合理地确定支持矢量机(SVM)的参数,使其对复杂的二值遥感图像目标进行自动识别,采用实值编码遗传算法来实现SVM模型参数的自动选择.与穷举搜索的留一法及随机试凑法相比,采用遗传算法的SVM模型参数选择更简单、更易于实现,并使SVM具有更好的推广能力.二值遥感图像目标的分类识别结果表明,该方法不但可以提高分类识别率,而且显著地缩短了SVM的训练时间.     

钢丝绳芯输送带接头伸长量计算方法

针对钢丝绳芯输送带接头伸长判断方式单一、伸长量计算复杂度较高的问题,提出了基于X光图像的钢丝绳芯输送带接头伸长量计算方法。通过直方图均衡化和均值滤波对图像进行预处理,提高了图像对比度,有效解决了钢丝绳芯输送带图像灰度不均匀问题;利用Sobel算子进行接头边缘检测和动态阈值处理,提取上下接头;通过上下接头拟合直线斜率判断待检图接头和参考图接头是否一致,从而判断接头是否伸长;根据上下接头的端点和拟合直线计算接头左右端最外侧长度和接头平均长度。测试结果表明,该方法计算速度快、效率高,可以方便、准确地计算出接头伸长量。     

基于空域同态滤波的钢丝绳表面缺陷检测

提出了一种基于空域同态滤波的钢丝绳表面缺陷检测方法。即研究同态滤波优化算法和统计学自动闻值法,消除钢丝绳图像不均匀光照的影响并分离钢丝绳纹路与背景;提取钢丝绳纹路的纹理特征并使用神经网络分类器进行识别。实验结果表明,该算法能快速、准确完成对钢丝绳表面缺陷的自动检测。     

灰度累积投影直方图在胎冠缺陷检测中的应用

针对轮胎胎冠帘线搭接缺陷的自动检测问题,提出一种基于胎冠X射线图像的检测方法。首先,依据胎冠的X射线影像和投影角计算胎冠成像的灰度累积投影曲线;然后,计算曲线的局部峰值能量分布;其次,采用前n个最大峰值能量构造投影曲线的能量特征向量,并利用支持向量机(SVM)分类器进行最大投影曲线的判别;最后,利用位置反演计算对缺陷进行定位。仿真实验结果表明,所提方法可以对生产过程中采集的1000幅胎冠图像进行有效的缺陷检测,其最高检测正确率可达97.7%。     

基于小波变换的羽毛杆折痕缺陷检测

羽毛片毛杆上的细微折痕缺陷在图像中极易受到噪声干扰.针对细微折痕图像,提出将二维小波变换应用于羽毛片杆细微折痕缺陷检测的方法.这种方法通过二维小波变换图像局部极大值将细微折痕缺陷从图像中准确提取出来.实验证明二维小波变换用来检测羽毛片杆细微折痕缺陷比其他方法更有效.     

带钢缺陷图像的自动阈值分割研究

文章根据带钢缺陷图像的特点,提出了基于灰度统计特性的图像边缘检测方法,结合纹理检测、聚类分析,实现了对带钢缺陷图像的自动阈值分割。实验结果表明,该方法具有在精度和速度方面的优势,适合对带钢表面图像的缺陷进行实时检测。     

带钢表面缺陷图像的可拓分类算法

针对带钢表面缺陷难以识别和分类的问题,将可拓集合理论应用于带钢表面缺陷图像的分类,由缺陷图像的灰度共生矩阵计算出的能量、熵、惯性矩和相关性作为分类的特征向量,通过对大量图像数据的统计分析,确定不同缺陷类别的各参数经典域和节域,计算出待分类缺陷相对于各缺陷类别的加权关联度值,由最大值确定待分类缺陷所属类别。选择实际图像进行分类实验,仿真结果显示能够取得较好的分类效果。     

压缩域中基于自动标记的图像分割

针对传统像素域中图像分割算法计算复杂的缺陷,提出了一种压缩域中快速图像分割算法。对图像分块,提取离散余弦变换（DCT）系数结合颜色矩作为块特征,利用支持向量机（SVM）实现对压缩域中图像块的自动标记,采用提出的阈值最小生成树（TMST）算法对已标记块进行区域生长,应用形态学相关算法对分割出的图像进行修补。通过Corel图像数据库对提出的方法进行验证,结果表明该方法能够更加快速有效地进行图像分割。     

小波分解在带钢缺陷检测中的应用

光照不均会降低带钢图像的质量,在研究带钢缺陷特点的基础上,提出一种新的带钢缺陷检测方法。首先,对图像取对数处理并进行小波分解,其次分别对小波分解的子图进行同态滤波,然后对滤波后的子图进行中央周边差操作形成差分子图,在此基础上,对差分子图进行融合处理并取指数处理得到高对比度的缺陷图像,最后采用Otsu分割方法对缺陷图像分割。实验结果表明,该方法能增强缺陷图像对比度,图像细节部分清晰,同时可抑制噪声的影响,能够有效地实现缺陷图像的分割。     

基于灰色关联度和SVM舰船设备维修费用预测

维修费用是舰船装备费用的重要组成部分,维修费用和影响费用的驱动因子之间直接的关系式很难确定,运用支持向量机回归可以很好的做到对维修费用的建模预测。为了解决支持向量机计算速度慢,效率低的问题,提出灰色关联度理论对费用相关费用驱动因子进行预处理,测试结果表明提高了SVM的效率,对SVM的泛化能力也有所提高。     

基于混合分类器的表情识别方法

根据隐马尔可夫模型(HMM)适用于处理连续动态序列信号、支持向量机(SVM)与K近邻分类器(KNN)擅长模式分类的特点,设计一种(HMM+KNN)+SVM的混合分类器。利用HMM与KNN对测试样本进行判决。当判决结果相同时,直接输出判决结果,否则引入SVM对测试样本进行再判决。实验结果表明,该方法所确定的分类器优于单一的分类器判决,能有效实现表情识别。     

3维灰度矩阵的钢板缺陷图像识别

目的 钢板表面缺陷的种类多样、灰度结构复杂,现有的图像分割技术运用在灰度结构复杂、目标边缘模糊的钢板缺陷图像中仍然存在识别效率低、过分割现象明显等问题,本文结合图像灰度矩阵的空间特征,提出一种基于3维灰度矩阵的钢板表面缺陷识别算法。方法 首先根据灰度图像构建3维灰度矩阵;然后引入半类间方差改进克里金插值算法,绘制3维灰度矩阵的等值线图;接着构建等值线的拓扑关系树;最后根据自定义的全局搜索策略和局部搜索策略相结合,寻找局部凹凸区域,从而定位缺陷区域,达到分割钢板表面缺陷的目的。结果 本文方法能有效地识别钢板表面缺陷区域,对光照变化不敏感,在保证低误差率的前提下,提高了有效分割率。通过对氧化、辊印、结疤和气泡四类钢板缺陷图像进行测试,从分割效果和评价指标两方面对比其他钢板缺陷分割算法。与Fisher阈值分割法、经典的活动轮廓模型CV模型、基于半局部区域描述符的活动轮廓模型HTB模型和改进背景差分法进行分割效果对比,本文方法对四类钢板表面缺陷的识别更精确,分割结果更细致,一定程度上抑制了过分割现象。与大津法Ostu、1维最大模糊熵法1DMFE、最大模糊超熵法MFEE进行评价指标对比,得出对于分割孔洞和辊印图像,本文方法在误分割率均保持在2.0%以下的前提下,将有效信息率分别提升了1.6%和2.1%;对于夹杂图像,本文方法在3.4%的误分割率的前提下,具有85%以上的有效信息率。结论 提出的基于3维灰度矩阵的钢板缺陷图像识别算法可以有效地识别多种类型的钢板缺陷,即使在缺陷结构复杂的图像识别中仍具有较高的识别率。