文献类型：期刊文章

作　　者：黄志鸿[1] 毛建旭[1] 王耀南[1] 周显恩[1] 历艳琨[1] 刘学兵[1]

机构地区：[1]湖南大学电气与信息工程学院机器人视觉感知与控制技术国家工程实验室,长沙410082

出　　处：《电子测量与仪器学报》

基　　金：国家自然科学基金(61072121;61271382);国家科技支撑计划(2015BAF11B01)资助项目

年　　份：2016

卷　　号：30

期　　号：6

起止页码：873-879

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对目前国内玻璃空瓶机器视觉检测系统存在瓶口缺陷分类检测精度不高的问题,提出一种基于机器视觉的可靠的检测方法。首先选取封盖面缺口、外环口崩口、口缘毛刺、口面磨损、内环口崩口、封盖面破裂等6种常见缺陷类型作为分类目标,研究6种常见瓶口缺陷类型图像的表面特征,提出以灰度方差等6种瓶口的缺陷特征构成支持向量机(SVM)分类算法的输入向量,并择优选择径向基(RBF)函数作为SVM分类器的核函数,然后根据瓶口缺陷的分类性质选择多类分类方式中的一类对余类法(OVR)设计相应的SVM。最后,每种缺陷都选取80个样本对所设计SVM分类器进行训练学习与测试。测试结果表明:设计的SVM分类器能较精准地检测出6种常见的瓶口缺陷类型,识别率为91.6%,满足生产企业对机器视觉检测系统缺陷分类识别的要求。

关 键 词：缺陷分类与检测  机器视觉 特征提取 支持向量机

分 类 号：TP391.4] TN081[计算机类]