CN113989233B 基于图像的零件表面粗糙度支持向量机检测方法及系统 （太原理工大学）_第1页
CN113989233B 基于图像的零件表面粗糙度支持向量机检测方法及系统 （太原理工大学）_第2页
CN113989233B 基于图像的零件表面粗糙度支持向量机检测方法及系统 （太原理工大学）_第3页
CN113989233B 基于图像的零件表面粗糙度支持向量机检测方法及系统 （太原理工大学）_第4页
CN113989233B 基于图像的零件表面粗糙度支持向量机检测方法及系统 （太原理工大学）_第5页
已阅读5页，还剩26页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号基于图像的零件表面粗糙度支持向量机检本发明公开了一种基于图像的零件表面粗糙度支持向量机检测方法及系统，包括以下步素分量作比相加法将零件表面图像转为灰度图纹理特征，并对它们分别求取均值和方差生成8采样随机以及提取的特征无法有效区分不同粗2S1利用零件表面划分方法将零件表面划分为合适S2对零件图像进行图像预处理；利用像素分量作比S4支持向量机检测模型输出粗糙度值，通通过分析零件表面图像中点(x,y)灰度为i的像素与点(x+a,y+b)灰度为j的像素同时3BCWD2作为描S41、基于支持向量机的粗糙度检测模型的输出值可表示为如下所示的非线性回归模7.根据权利要求1-6任一所述的检测方法的零件表面粗糙度支持向量机检测系统，其零件表面图像采集装置：利用零件表面划分方法将零件表面划分为合适支持向量机检测模块：支持向量机检测模块输出粗糙度4通过分析零件表面图像中点(x,y)灰度为i的像素与点(x+a,y+b)灰度为j的像素同时BCWD2作为描5零件表面粗糙度的检测模型来实现粗糙度的全面面采集零件表面图像并提取能有效表征零件表面粗糙度的特征，进而完成粗糙度的检测，避免了采样随机和提取的特征无法有效表征零件表面粗6[0017]通过分析零件表面图像中点(x,y)灰度为i的像素与点(x+a,y+b)灰度为j的像素WD2作[0028]S41、基于支持向量机的粗糙度检测模型的输出值可表示为如下所示的非线性回7[0044]通过分析零件表面图像中点(x,y)灰度为i的像素与点(x+a,y+b)灰度为j的像素8WD2作[0063]图4为本发明实施例提供的原始图像和使用不同灰度化方法得到的图像对比图；灰度化方法的标准差对比(b)不同灰度化方法的平均梯度对比(c)不同灰度化方法的信息[0066]图7为本发明实施例提供的一组测试样本零件表面16个采集区域的粗糙度真实值[0067]图8为本发明实施例提供的不同建模方法的粗糙度检测零件表面划分的各区域中9[0076](2)将R、G、B三种像素分量中两两分量作比，分别定义为灰度化1～灰度化6：[0087]利用维数为3×3，标准差为0.8的高[0089]提取零件表面纹理特征，建立零件表面纹理特征与零件表面粗糙度的关系模[0090]通过分析零件表面图像中点(x,y)灰度为i的像素与点(x+a,y+b)灰度为j的像素WD2作为描述零件表面纹理的特征，并以此8个特征生成8维特征向量作为支持向量机的输WA1B1C1权平均值法预处理后提取的部分相关性均值WD1随粗糙度的增大而增大，与相关性均值WD1[0105]将基于灰度共生矩阵提取的8维特征向量作为支持向量机检测模型的输入，模型[0107]基于支持向量机的粗糙度检测模型的输出值可表示为如下所示的非线性回归模[0110]支持向量机检测模型的核函数选用高斯核函数，根据输[0115]如图7所示，为其中一组测试样本零件表面16个采集区域的粗糙度真实值与检测误差全部低于5其余三种方法检测得到的各区域中检测相对误差低于该阈值的图像数

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论