The feature selection and bias classification of magnetic tile surface defect

doi:10.13741/j.cnki.11-1879/o4.2014.05.012

您当前的位置：

首页 >

文章列表页 >

The feature selection and bias classification of magnetic tile surface defect

更新时间：2025-09-01

- The feature selection and bias classification of magnetic tile surface defect
- Vol. 40, Issue 5, Pages: 434-439(2014)
- 作者机构：
  
  1. 1:江南大学轻工过程先进控制教育部重点实验室
  2. 2:信息与控制实验教学中心
  3. 3:无锡信捷电气股份有限公司
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2014.05.012
  CLC：
- Published：2014
- 稿件说明：
移动端阅览
The feature selection and bias classification of magnetic tile surface defect[J]. 2014, 40(5): 434-439.
DOI：

The feature selection and bias classification of magnetic tile surface defect[J]. 2014, 40(5): 434-439. DOI： 10.13741/j.cnki.11-1879/o4.2014.05.012.

摘要

为了提高磁瓦表面缺陷在线检测准确率并降低检测时间

提出一种基于机器视觉的检测方法。离线训练时

对经过Gabor小波处理后的子图进行融合并提取纹理特征

使用改进的Relief算法提取与类别相关性强的特征子集

并去除冗余特征。为降低缺陷磁瓦的漏检率

先进行偏向性分类处理

再采用最小二乘支持向量机进行分类预测。实验表明

整体预测准确率96.89%

缺陷磁瓦分类准确率达到99.09%

且在线预测时间减少了近1/4

只需67.4ms。

Abstract

关键词

Keywords

references

Views

392

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Spring inner and outer diameter dimension detection based on improved sub-pixel algorithm

Research on on-line detection method for tool profile base on machine vision

Surface roughness measurement and three-dimensional assessment based on machine vision

Research of visual detection of conveyor belt rip under variable ambient light

Automatic extraction-algorithm of parts bounding box and application

Related Author

刘凌霄

王德成

程鹏

郎宁

程颖

李晓凡

朱宁

杨洁

Related Institution

1:机械科学研究总院中机生产力促进中心

1:天津科技大学天津市轻工与食品工程机械装备集成设计与在线监控重点实验室机械工程学院

2:沂普光电有限公司

1:西安建筑科技大学华清学院

2:西安理工大学机械与精密仪器工程学院

⁰