基于支持向量機的規(guī)則零件機器視覺檢測技術(shù)研究.pdf

1、基于機器視覺的零件檢測系統(tǒng)具有非接觸、實時性強、速度快等優(yōu)點廣泛應(yīng)用于各種工業(yè)生產(chǎn)中，能夠很好的檢測出缺陷零件，提高產(chǎn)品的出廠質(zhì)量。本文綜合分析了機器視覺檢測技術(shù)在機械零件缺陷檢測的應(yīng)用范圍和所采用的方法，在此基礎(chǔ)上指出了多孔洞規(guī)則零件表面缺陷檢測的必要性，以工廠生產(chǎn)的有多孔洞的齒輪為樣本，對多孔洞的規(guī)則機械零件表而缺陷分類方法進(jìn)行了研究。經(jīng)過研究各種圖像預(yù)處理算法、邊緣檢測算法，提出了一種智能缺陷邊緣檢測算法，可以完整的檢測出零件表面

2、缺陷的邊緣，通過對缺陷特征進(jìn)行提取，并運用支持向量機的分類方法，選擇合適的核函數(shù)和參數(shù)，設(shè)計了合理的規(guī)則零件的表面缺陷檢測系統(tǒng)方案。
　　 本文通過對多種圖像濾波、圖像邊緣檢測等圖像預(yù)處理技術(shù)的研究，結(jié)合本文零件樣本的實例，通過對比實驗，選擇了中值濾波和Canny邊緣檢測算法對樣本圖像進(jìn)行預(yù)處理，提取了完整的樣本零件邊緣信息，有利于對缺陷特征的提取，并對這些預(yù)處理技術(shù)進(jìn)行了歸納和總結(jié)。
　　 如何能夠快速有效的提取被測零

3、件缺陷的邊緣是提取缺陷特征的前提，它直接影響最終的檢測精度和檢測速度。針對樣本齒輪零件多孔洞的特點，本文提出了一種基于邊緣跟蹤的零件缺陷邊緣智能檢測算法，很好的檢測到了完整的缺陷邊緣，為特征提取提供了高質(zhì)量的缺陷邊緣參數(shù)。
　　 本文采用基于支持向量機的分類識別算法，通過對缺陷邊緣特征數(shù)據(jù)的提取和數(shù)據(jù)歸一化，得到進(jìn)行訓(xùn)練和分類的特征數(shù)據(jù)，綜合對比分析選擇徑向基核函數(shù)為本系統(tǒng)的核函數(shù)，并運用基于交叉驗證和網(wǎng)格搜索的參數(shù)選擇方法找到