【摘要】：再制造活動現(xiàn)場復雜的環(huán)境對獲取清晰的再制造目標表面缺陷圖像造成了困難,針對這一問題提出一種結(jié)合頻域與空域特征進行回轉(zhuǎn)類表面缺陷識別的方法。首先使用非下采樣Contourlet變換提取原始圖像中各尺度下的Contourlet系數(shù)特征,并與圖像中的灰度紋理特征組合;再采用基于徑向基核函數(shù)的PCA分析方法對原始特征進行降維處理;最后,利用最小二乘概率分類方法對降維后的特征進行分類。通過對現(xiàn)場采集的圖像進行案例分析,所提出的分類識別方法對4類再制造軋輥缺陷的分類平均正確率達到92%以上。
[Abstract]:It is difficult to obtain clear images of surface defects of remanufacturing targets in complex environment of remanufacturing activities. A method of surface defect recognition based on frequency domain and spatial features is proposed. Firstly, the non-downsampling Contourlet transform is used to extract the features of Contourlet coefficients at various scales in the original image and combined with the grayscale texture features in the image. Then, the dimension reduction of the original features is obtained by using the PCA analysis method based on radial basis function kernel function. The least square probability classification method is used to classify the features after dimensionality reduction. Through the case analysis of the images collected in the field, the average accuracy of the classification and recognition method for the four kinds of remanufacturing roll defects is over 92%.
【作者單位】： 武漢科技大學工程訓練中心;武漢科技大學機械自動化學院;
【基金】：國家自然科學基金(71471143)資助項目
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 高松巍;鄭樹林;楊理踐;;長輸管道漏磁內(nèi)檢測缺陷識別方法[J];無損檢測;2013年01期

2 張毅剛;建筑結(jié)構(gòu)缺陷識別與計算機應(yīng)用[J];工程設(shè)計CAD與智能建筑;1999年12期

3 高頂;張長明;李國慶;張曉光;;基于粗糙-模糊神經(jīng)網(wǎng)絡(luò)的焊接圖像缺陷識別[J];華東理工大學學報(自然科學版);2006年09期

4 王忠輝;;框架結(jié)構(gòu)缺陷識別的小波信息熵方法[J];河南科技大學學報(自然科學版);2012年04期

5 胡杰;馬鐵軍;胡志平;尹志宏;;一種新的輪胎激光散斑檢測缺陷識別方法[J];機電工程技術(shù);2010年06期

6 左凱;孫同景;李振華;陶亮;;基于新息正交的工業(yè)CT圖像自適應(yīng)缺陷識別[J];北京航空航天大學學報;2010年09期

7 陳天璐;闕沛文;;基于超聲衍射反射回波渡越時間的缺陷識別技術(shù)[J];化工自動化及儀表;2006年04期

8 陸寶春;李建文;陳吉朋;王婧;李純健;湯海昌;;熒光磁粉探傷自動缺陷識別方法研究[J];南京理工大學學報(自然科學版);2010年06期

9 魏娜娣;;軟件缺陷識別技術(shù)與缺陷級別的分析研究[J];科技信息;2014年13期

10 周穎;趙海鳳;郝紅敏;;基于圖像處理的焊點缺陷識別方法的研究[J];計算機工程與應(yīng)用;2013年01期

相關(guān)碩士學位論文 前10條

1 田丹;基于電致發(fā)光與BP神經(jīng)網(wǎng)絡(luò)的太陽電池缺陷識別[D];河北大學;2015年

2 李佳;基于壓縮感知的多模型木材圖像缺陷識別[D];東北林業(yè)大學;2015年

3 李夢園;深度學習算法在表面缺陷識別中的應(yīng)用研究[D];浙江工業(yè)大學;2015年

4 洪藝涵;基于圖像的帶花紋鈕扣缺陷識別算法研究[D];華中科技大學;2016年

5 李建文;磁粉探傷缺陷識別自動化系統(tǒng)設(shè)計與開發(fā)[D];南京理工大學;2012年

6 侯曉琴;基于射線成像的缺陷自動識別方法研究及應(yīng)用[D];重慶大學;2009年

7 毛鋒;面向成型生產(chǎn)的視覺式缺陷識別技術(shù)及應(yīng)用研究[D];浙江大學;2010年

8 呂作超;熒光磁粉探傷缺陷識別系統(tǒng)圖像處理技術(shù)研究[D];南京理工大學;2006年

9 張宏軍;太陽能電池缺陷識別的研究與實現(xiàn)[D];東華大學;2012年

10 劉冰清;基于機器視覺的印刷品缺陷識別系統(tǒng)研究[D];西安科技大學;2010年

，

本文編號：2210573