基于支持向量機(jī)的帶鋼表面缺陷識(shí)別研究.pdf

1、隨著社會(huì)的進(jìn)步和發(fā)展,帶鋼產(chǎn)品在社會(huì)生產(chǎn)和生活中的應(yīng)用越來(lái)越廣泛,因此帶鋼產(chǎn)品的質(zhì)量就成為人們所關(guān)注的重點(diǎn)。在現(xiàn)有的帶鋼表面缺陷檢測(cè)方法中,存在實(shí)時(shí)性差、識(shí)別率較低、檢測(cè)環(huán)境惡劣等弊端,因此帶鋼表面缺陷檢測(cè)技術(shù)的研究工作,已經(jīng)成為國(guó)內(nèi)外學(xué)者研究熱點(diǎn)之一。 本文對(duì)帶鋼表面缺陷識(shí)別技術(shù)進(jìn)行了深入研究,主要研究?jī)?nèi)容如下： 1.圖像預(yù)處理算法研究。對(duì)于帶鋼表面缺陷圖像,本文采用了多種不同的圖像去噪方法,并對(duì)去噪效果進(jìn)行了科學(xué)評(píng)價(jià)

2、。依據(jù)試驗(yàn)結(jié)果以及實(shí)際需要,選擇中值濾波算法。 2.圖像邊緣檢測(cè)算法的研究。采用多種算法進(jìn)行缺陷邊緣檢測(cè)。對(duì)比試驗(yàn)效果,考慮實(shí)時(shí)性以及精確性的因素,選擇了Canny算子進(jìn)行邊緣檢測(cè)。 3.特征提取算法研究。對(duì)缺陷圖像提取了Hu不變矩特征、灰度特征、幾何特征、基于灰度共生矩陣的紋理特征、基于亮度直方圖的紋理特征,并對(duì)以上特征進(jìn)行分析,確定分類識(shí)別所用三種特征量。 4.分類識(shí)別算法研究。本文采用了基于支持向量機(jī)的分類