文献类型：期刊文章

作　　者：李云飞[1]

LI Yun-fei(Department of Science and Engineering,Jianghuai College,Anhui University,Hefei 230031,China)

机构地区：[1]安徽大学江淮学院理工部,合肥230031

出　　处：《湖南工程学院学报（自然科学版）》

年　　份：2021

卷　　号：31

期　　号：1

起止页码：53-58

语　　种：中文

收录情况：普通刊

摘　　要：工件表面缺陷的存在影响工件产品的质量以及工件的安全使用,传统的工件表面缺陷检测由人工完成,工作量大且易受到检测人员主观因素的影响,很难保证检测的效率与精度.本文提出了一种基于改进的K-means算法的工件表面缺陷分割算法,将自适应人类学习优化算法应用到Kmeans聚类算法中,使自适应人类学习优化算法初始化K-means聚类算法的聚类中心,最后将改进的K-means聚类算法结合形态学进行工件表面缺陷的检测.实验表明,该算法能够较理想的分割出工件表面的缺陷,具有分割精度高、实用价值较好的特性.

关 键 词：机器视觉 工件缺陷检测  K-MEANS聚类算法

分 类 号：TU411.01]