磁瓦表面缺陷的机器视觉检测方法

您当前的位置：

首页 >

文章列表页 >

磁瓦表面缺陷的机器视觉检测方法

光学测量 | 更新时间：2025-09-01

- 磁瓦表面缺陷的机器视觉检测方法
- The feature selection and bias classification of magnetic tile surface defect
- 光学技术 2014年40卷第5期页码：434-439
- 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：
  
  江苏高校优势学科建设工程资助项目(PAPD);江苏省产学研前瞻性联合研究项目(BY2012056)
- DOI：10.13741/j.cnki.11-1879/o4.2014.05.012
  中图分类号：
- 纸质出版：2014
- 稿件说明：
移动端阅览
张振尧, 白瑞林, 过志强, 等. 磁瓦表面缺陷的机器视觉检测方法[J]. 光学技术, 2014,40(5):434-439.

The feature selection and bias classification of magnetic tile surface defect[J]. 2014, 40(5): 434-439.
张振尧, 白瑞林, 过志强, 等. 磁瓦表面缺陷的机器视觉检测方法[J]. 光学技术, 2014,40(5):434-439. DOI： 10.13741/j.cnki.11-1879/o4.2014.05.012.

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.

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。

浏览量

392

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进亚像素算法的弹簧内外径尺寸检测

基于机器视觉的刀具轮廓在线检测方法的研究

基于机器视觉的表面粗糙度测量与三维评定

变光照环境下皮带撕裂视觉检测方法研究

零件矩形边界框区域自动提取算法及应用