本文選題：機器視覺 + 支持向量機��； 參考：《山東理工大學(xué)》2016年碩士論文

【摘要】：玻璃缺陷在線檢測系統(tǒng)已經(jīng)在日益發(fā)展的今天發(fā)揮了至關(guān)重要的作用,機器視覺也已發(fā)展成為玻璃缺陷在線檢測系統(tǒng)的中樞。隨著計算機技術(shù)、信息技術(shù)和網(wǎng)絡(luò)技術(shù)的迅速發(fā)展,基于機器視覺玻璃缺陷在線檢測系統(tǒng)的先進性與卓越性越發(fā)的突出,逐漸成為當(dāng)今自動檢測系統(tǒng)的發(fā)展主流和研究熱點。本文設(shè)計了基于機器視覺的玻璃缺陷在線檢測系統(tǒng),提出基于原始動態(tài)閾值算法的改進算法與基于支持向量機選擇最優(yōu)核函數(shù)的方法和參數(shù)優(yōu)化方法。對玻璃缺陷的特征進行提取及分析,在此基礎(chǔ)上對其進行識別與分類。首先,本文以機器視覺結(jié)構(gòu)為指導(dǎo)思想,通過對其硬件以及軟件各模塊的功能的詳細(xì)介紹以及特點的分析,設(shè)計了適用于玻璃缺陷在線檢測系統(tǒng)總體方案。其次,針對玻璃表面缺陷圖像的特點,研究了缺陷圖像的預(yù)處理方法,對缺陷圖像的進行了增強;重點研究了玻璃缺陷提取模塊,針對傳統(tǒng)的缺陷提取算法的不足,研究并提出了改進的動態(tài)閾值的玻璃缺陷提取算法。通過實驗對算法的時效性與準(zhǔn)確性進行驗證,實驗結(jié)果表明改進后的算法能快速將玻璃缺陷的存在檢出,準(zhǔn)確率高達(dá)97%,能夠滿足玻璃在線質(zhì)量檢測的各種指標(biāo)。最后,對于缺陷的分類研究采用了基于支持向量機的算法,在支持向量機的基礎(chǔ)上對多種分類器進行了設(shè)計,并選取了足夠數(shù)量的缺陷樣本進行實驗驗證,獲得了令人滿意的分類結(jié)果。通過實驗驗證的結(jié)果可以得出,此分類算法比起現(xiàn)有的分類算法具有更高的準(zhǔn)確性和效率性。
[Abstract]:On-line glass defect detection system has been playing an important role in the development of today, and machine vision has become the center of on-line glass defect detection system. With the rapid development of computer technology, information technology and network technology, the advance and excellence of the on-line detection system based on machine vision glass defects are becoming more and more prominent, and gradually become the mainstream and research focus of automatic detection system. An on-line glass defect detection system based on machine vision is designed in this paper. The improved algorithm based on original dynamic threshold algorithm and the method of selecting optimal kernel function based on support vector machine and parameter optimization method are proposed. The features of glass defects were extracted and analyzed, and then the glass defects were identified and classified. Firstly, based on the structure of machine vision, this paper introduces the functions of the hardware and software modules in detail and analyzes the characteristics of the system, and designs the overall scheme of the on-line detection system for glass defects. Secondly, according to the characteristics of the glass surface defect image, the pre-processing method of the defect image is studied, and the defect image is enhanced. The focus is on the glass defect extraction module, aiming at the shortcomings of the traditional defect extraction algorithm. An improved dynamic threshold algorithm for glass defect extraction is proposed. The experimental results show that the improved algorithm can detect the defects of glass quickly, and the accuracy is as high as 97%, which can meet the requirements of on-line quality detection of glass. Finally, the algorithm based on support vector machine is used in the research of defect classification. Several classifiers are designed on the basis of support vector machine, and a sufficient number of defect samples are selected for experimental verification. Satisfactory classification results have been obtained. The experimental results show that the proposed algorithm is more accurate and efficient than the existing classification algorithms.
【學(xué)位授予單位】：山東理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TQ171.7;TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 孫繼征;;基于FPGA與DSP的浮法玻璃缺陷在線檢測技術(shù)研究[J];科學(xué)技術(shù)與工程;2014年01期

2 趙健;高軍;羅超;沙豐永;;基于數(shù)字圖像處理的玻璃缺陷在線檢測系統(tǒng)[J];電子技術(shù)應(yīng)用;2013年12期

3 余發(fā)山;田西方;韓超超;婁慧明;;玻璃生產(chǎn)缺陷在線檢測技術(shù)研究[J];河南理工大學(xué)學(xué)報(自然科學(xué)版);2013年04期

4 金永;魏博;王召巴;朱林泉;楊繼亮;;基于雙CCFL的玻璃缺陷檢測技術(shù)研究[J];中北大學(xué)學(xué)報(自然科學(xué)版);2013年01期

5 楊繼亮;金永;王召巴;;基于線陣CCD的玻璃缺陷檢測系統(tǒng)研究[J];傳感器與微系統(tǒng);2011年11期

6 鐘球盛;胡廣華;李靜蓉;;光學(xué)薄膜表面微細(xì)缺陷在線檢測方法研究[J];機械設(shè)計與制造;2011年10期

7 張戰(zhàn)成;王士同;鄧趙紅;Chung Fu-lai;;支持向量機的一種快速分類算法[J];電子與信息學(xué)報;2011年09期

8 白懷文;王暄;;基于Hu矩和支持向量機的人臉與非人臉分類識別[J];計算機應(yīng)用與軟件;2011年07期

9 劉懷廣;陳幼平;謝經(jīng)明;彭向前;;浮法玻璃缺陷在線識別技術(shù)的研究[J];小型微型計算機系統(tǒng);2011年04期

10 王吳雨;林蘇斌;繆希仁;;圖像處理技術(shù)在玻璃缺陷檢測中的應(yīng)用[J];工業(yè)控制計算機;2011年02期

相關(guān)博士學(xué)位論文 前2條

1 劉懷廣;浮法玻璃缺陷在線識別算法的研究及系統(tǒng)實現(xiàn)[D];華中科技大學(xué);2011年

2 連靜;圖像邊緣特征提取算法研究及應(yīng)用[D];吉林大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 楊繼亮;基于雙閾值分割的玻璃缺陷特征提取方法研究[D];中北大學(xué);2012年

2 朱春雷;支持向量機中核函數(shù)和參數(shù)選擇研究及其應(yīng)用[D];南京林業(yè)大學(xué);2011年

3 徐春燕;基于圖像處理的液晶屏基板玻璃裂紋自動檢測系統(tǒng)[D];南京理工大學(xué);2011年

4 王夙U，

本文編號：1962072