原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于支持向量机的航空发动机叶片表面缺陷检测方法，包括如下步骤：对图像去噪处理；利用直方图均衡化和分段线性化消除光照影响，增强图像对比度，利用大津阈值法将图像转化为二值图像；对缺陷图像形状特征提取和HOG特征提取得到特征向量；将特征向量输入到分类算法中进行缺陷识别与分类。针对于航空发动机叶片的现实数据集较少，影响设计算法的检测精度，而人工采集建立数据集耗时耗力，该方法中支持向量机的决策函数只依赖于支持向量，分类速度比较快，同时，数据集训练样本的数量对支持向量机的效果影响不大，相对于卷积神经网络
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116823725 A
(43)申请公布日 2023.09.29
(21)申请号 202310515582.6 G06V 10/50 (2022.01)
文档评论（0）