基于灰度共生矩和SVM的碳化竹条瑕疵识别-集美大学.PDF

　 第２２卷　 第３期 集美大学学报 （自然科学版） Ｖｏｌ．２２　 Ｎｏ．３ 　 　 ２０１７年５月 Ｊｏｕｒｎａｌ ｏｆ Ｊｉｍｅｉ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） Ｍａｙ２０１７ ［文章编号］ １００７－７４０５（２０１７）０３－００４９－０６ 基于灰度共生矩和ＳＶＭ 的碳化竹条瑕疵识别 １，２ １ １ １ 李叶妮 ， 林晓佳 ， 陈吉鹏 ， 陈水宣 （１． 厦门理工学院机械与汽车工程学院， 福建 厦门３６１０２４；２． 厦门大学航空航天学院， 福建 厦门３６１００５） ［摘要］ 针对碳化竹条瑕疵种类多， 位置不确定且竹纹理干扰的问题， 利用图像处理技术对竹条图像 进行阈值分割， 图像滤波等预处理， 得到特征明显的图像， 从而实现其表面瑕疵特征的识别。 通过计算确 定灰度共生矩阵的三个构造因子， 提取了图像的三个纹理特征， 采用一对一淘汰策略的多类 ＳＶＭ （ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ） 学习模型进行分类识别竹条的瑕疵类型。 实验结果表明， 该方法对于碳化竹条的黑结、 虫 蛀、 染色、 霉点、 裂痕等缺陷的正确识别率达到９０６％以上。 ［关键词］ 碳化竹条； 瑕疵识别； 灰度共生矩； ＳＶＭ ［中图分类号］ ＴＰ２７８ Ｄｅｆｅｃｔｓ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｆｏｒ Ｃａｒｂｏｎｉｚａｔｉｏｎ Ｂａｍｂｏｏｓ Ｂａｓｅｄ ｏｎ ＧＬＣＭ ａｎｄ ＳＶＭ １，２ １ １ １ ＬＩ Ｙｅｎｉ ， ＬＩＮ Ｘｉａｏｊｉａ ， ＣＨＥＮＪｉｐｅｎｇ ， ＣＨＥＮ Ｓｈｕｉｘｕａｎ （１． Ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ ａｎｄ Ａｕｔｏｍｏｔｉｖｅ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｘｉａｍｅｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ｘｉａｍｅｎ３６１０２４， Ｃｈｉｎａ； ２． Ｓｃｈｏｏｌ ｏｆ Ａｅｒｏｓｐａｃｅ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｘｉａｍｅｎ Ｕｎｉｖｅｒｓｉｔｙ， Ｘｉａｍｅｎ３６１００５， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ｉｎ ｏｂｓｅｒｖａｔｉｏｎｏｆｒｅａｌｉｚａｔｉｏｎｏｆｔｈｅｓｕｒｆａｃｅｆｌａｗｆｅａｔｕｒｅｒｅｃｏｇｎｉｔｉｏｎ， ｔｈｅｂａｍｂｏｏｏｒｉｇｉｎａｌｉｍａｇｅ ｗａｓ ｐｒｅｔｒｅａｔｅｄ ｂｙ ｉｍａｇｅ ｇｒａｙｉｎｇ， Ｏｔｓｕ ｔｈｒｅｓｈｏｌｄ ａｎｄ ｍｅａｎ ｆｉｌｔｅｒｉｎｇ ｂｙ ｔａｋｉｎｇ ｉｎｔｏ ａｃｃｏｕｎｔ ｏｆ ｔｈｅ ｅｆｆｅｃｔ ｆｒｏｍ ｄｅｆｅｃｔｓ ｏｆ ｃａｒｂｏｎｉｚｅｄ ｂａｍｂｏｏ ａｎｄ ｌｏｃａｔｉｏｎ ｕｎｃｅｒｔａｉｎｔｉｅｓ． Ｉｎｆｌｕｅｎｃｅｓ ｆｒｏｍ ｖａｒｉｏｕｓ ｂｕｉｌｄｉｎｇ ｆａｃｔｏｒｓ ｏｎ ＧＬＣＭ （ｇｒａｙ ｌｅｖｅｌ ｃｏ⁃ｏｃｃｕｒｒｅｎｃｅ ｍａｔｒｉｘ） ａｎｄ ｉｔｓ ｐａｒａｍｅｔｅｒｓ ｗｅｒｅ ｉｎｖｅｔｉｇａｔｅｄ， ａｎｄ ｔｈｅ ｍｅｔｈｏｄ ｆｏｒ ｅｓｔａｂｌｉｓｈｍｅｎｔ ｏｆ ＧＬＣＭ ｓｕｉｔａｂｌｅ ｆｏｒ ｄｅｓｃｒｉｂｉｎｇ ｂａｍｂｏｏ ｓｕｒｆａｃｅ ｔｅｘｔｕｒｅｗａｓｐｒｅｓｅｎｔｅｄ． Ａ ｃｌａｓｓｏｆ ＳＶＭｌｅａｒｎｉｎｇ ｍｏｄｅｌｗｉｔｈ ｏｎｅ ｔｏ ｏｎｅ ｒｅｐｌａｃｅｍｅｎｔ ｓｔｒａｔｅｇｙ ｗａｓ ｅｍｐｌｏｙｅｄ ｔｏ ｃｌａｓｓｉｆｙ ａｎｄ ｉｄｅｎｔｉｆｙ ｔｈｅ ｄｅｆｅｃｔ ｔｙｐｅｓ ｏｆ ｂａｍｂｏｏ． Ｒｅｓｕｌｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｃａｎ ｃｌａｓｓｉｆｙ ｔｈｅ ｆｉｖｅ ｃｏｍｍｏｎ ｔｙｐｅｓ ｏｆ ｔｈｅ ｂａｍｂｏｏ ｄｅｆｅｃｔｓ ｗｈｉｃｈ ｉｎｃｌｕｄｓ ｂｌａｃｋ ｎｏｄｅ， ｗｏｒｍ⁃ ｈｏｌｅ， ｄｙｅｉｎｇ， ｍｉｌｄｅｗ ａｎｄ ｃｒａｃｋ ｗｉｔｈ ａｎ ａ