基于支持向量机的油封缺陷图像检测方法.pdfVIP

第39卷第3期 光电工程 Vb1．39．NO．3 2012年 3月 Opto—ElectronicEngineering March．2012 文章编号：1003—501X(2012)03—0040—06 基于支持向量机的油封缺陷图像检测方法 吴彰 良1,2，孙长库 ，刘 洁2 (1．天津大学 精密测试技术及仪器国家重点实验室，天津 300072； 2．郑州轻工业学院 机电工程学院，郑州1450002) 摘要：提出一种基于支持向量机分类的油封缺 陷图像检测方法，把油封外观中的有无缺 陷看作两种不同的类别模 式，应用支持向量机对两类不同的样本采样学习，然后进行分类判断。采集油封各部位图像并进行预处理，利用 算法切割出各个检测区域图像，根据油封主要部位的各类缺陷特点，选取不同特征参数。应用径向基核函数建立 支持向量机识别模型，并通过实验实现核函数参数寻优。实验结果表明，该方法具有检测成本低、可靠性高、泛化 能力强、容易在线实施等特点，具有实用推广价值。 关键词：支持向量机；图像处理；油封；缺陷检测 中图分类号 ：TP391．41 文献标志码：A doi：10．3969~．issn．1003—501X．2012．03．008 A DetectionM ethodBasedonSupportVector M achineandImageProcessingforOil-sealDefect W U Zhang．1iang，-，SUN Changku ，LIU Jie (1．StateKeyLabofPrecionMeasu，，Technologyandbtstruments，TianjinUniversity，Tianjin300072，China； 2．CollegeofElectri-MechanicalEngineering，ZhengzhouUniversityofLightIndustry，Zhengzhou450002，China) Abstract：AmethodbasedonSuppo~VectorMachine(SVM)classificationalgorithmtodetectthedefectsofoil—seal surfacewasputforward，inwhichthedefectiveareaandnon—defectiveareaweretreatedastwodifferenttexturesand weresampledrespective／YtobelearnedforclassificationbySVM ．Testingareaswerecutoutofthepreprocessedimages ofoil—seadifferentsections．anddifferentfeatureparameterswereselectedaccordingtothecharacteristicsofvarious defectsinoil—sealtestingareaonthebaseofimageanalysis．SVM recognitionmodelwasestablishedbyapplicationof RadialBasisFunction(RBF)，andtheparametersofRBFwereoptimizedthroughcrossvalidationexperiments．The resultsshowedthattheproposedapproachwascharacterizedbylow cost，highreliability，excellentgeneralization，and easyon—lineimplementationandSOon，andcouldbeappliedofrdefectde