面向再制造服务的回转类表面缺陷识别

发布时间：2018-08-28 20:48

【摘要】：再制造活动现场复杂的环境对获取清晰的再制造目标表面缺陷图像造成了困难,针对这一问题提出一种结合频域与空域特征进行回转类表面缺陷识别的方法。首先使用非下采样Contourlet变换提取原始图像中各尺度下的Contourlet系数特征,并与图像中的灰度纹理特征组合;再采用基于径向基核函数的PCA分析方法对原始特征进行降维处理;最后,利用最小二乘概率分类方法对降维后的特征进行分类。通过对现场采集的图像进行案例分析,所提出的分类识别方法对4类再制造轧辊缺陷的分类平均正确率达到92%以上。
[Abstract]:It is difficult to obtain clear images of surface defects of remanufacturing targets in complex environment of remanufacturing activities. A method of surface defect recognition based on frequency domain and spatial features is proposed. Firstly, the non-downsampling Contourlet transform is used to extract the features of Contourlet coefficients at various scales in the original image and combined with the grayscale texture features in the image. Then, the dimension reduction of the original features is obtained by using the PCA analysis method based on radial basis function kernel function. The least square probability classification method is used to classify the features after dimensionality reduction. Through the case analysis of the images collected in the field, the average accuracy of the classification and recognition method for the four kinds of remanufacturing roll defects is over 92%.
【作者单位】： 武汉科技大学工程训练中心;武汉科技大学机械自动化学院;
【基金】：国家自然科学基金(71471143)资助项目
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 高松巍;郑树林;杨理践;;长输管道漏磁内检测缺陷识别方法[J];无损检测;2013年01期

2 张毅刚;建筑结构缺陷识别与计算机应用[J];工程设计CAD与智能建筑;1999年12期

3 高顶;张长明;李国庆;张晓光;;基于粗糙-模糊神经网络的焊接图像缺陷识别[J];华东理工大学学报(自然科学版);2006年09期

4 王忠辉;;框架结构缺陷识别的小波信息熵方法[J];河南科技大学学报(自然科学版);2012年04期

5 胡杰;马铁军;胡志平;尹志宏;;一种新的轮胎激光散斑检测缺陷识别方法[J];机电工程技术;2010年06期

6 左凯;孙同景;李振华;陶亮;;基于新息正交的工业CT图像自适应缺陷识别[J];北京航空航天大学学报;2010年09期

7 陈天璐;阙沛文;;基于超声衍射反射回波渡越时间的缺陷识别技术[J];化工自动化及仪表;2006年04期

8 陆宝春;李建文;陈吉朋;王婧;李纯健;汤海昌;;荧光磁粉探伤自动缺陷识别方法研究[J];南京理工大学学报(自然科学版);2010年06期

9 魏娜娣;;软件缺陷识别技术与缺陷级别的分析研究[J];科技信息;2014年13期

10 周颖;赵海凤;郝红敏;;基于图像处理的焊点缺陷识别方法的研究[J];计算机工程与应用;2013年01期

相关硕士学位论文 前10条

1 田丹;基于电致发光与BP神经网络的太阳电池缺陷识别[D];河北大学;2015年

2 李佳;基于压缩感知的多模型木材图像缺陷识别[D];东北林业大学;2015年

3 李梦园;深度学习算法在表面缺陷识别中的应用研究[D];浙江工业大学;2015年

4 洪艺涵;基于图像的带花纹钮扣缺陷识别算法研究[D];华中科技大学;2016年

5 李建文;磁粉探伤缺陷识别自动化系统设计与开发[D];南京理工大学;2012年

6 侯晓琴;基于射线成像的缺陷自动识别方法研究及应用[D];重庆大学;2009年

7 毛锋;面向成型生产的视觉式缺陷识别技术及应用研究[D];浙江大学;2010年

8 吕作超;荧光磁粉探伤缺陷识别系统图像处理技术研究[D];南京理工大学;2006年

9 张宏军;太阳能电池缺陷识别的研究与实现[D];东华大学;2012年

10 刘冰清;基于机器视觉的印刷品缺陷识别系统研究[D];西安科技大学;2010年

，

本文编号：2210573