基于图像处理和机器学习的自适应零件产品质量检测系统

• 作 者: 杨宾峰
• 机 构: 西北工业大学
• 出 处: 西北工业大学
• 发表日期: 2005年期
• 关键词: 图像处理 计算机技术 表面粗糙度 质量检测 支持向量机 铸件 视觉技术 产品质量

随着计算机和数字信号处理技术的迅猛发展，计算机视觉技术作为研究物体表达和物体识别的一门技术越来越广泛地被应用到各行各业。计算机视觉技术在机械工程行业，尤其是产品质量自动检测系统中的应用，近年来受到了广泛的关注和重视，成为新的研究热点。
本文针对我国目前铸造表面缺陷和加工粗糙度检测方式落后的现状，提出了基于模式识别技术进行铸造零件加工表面粗糙度质量自动检测的方法；基于统计学习理论的支持向量机技术，通过二维小波变换进行特征提取和主成分分析进行特征选择，开发了铸造零件加工表面粗糙度检测系统。该系统针对零件铸造表面缺陷识别问题，通过小波域处理把有缺陷的图像进行分割，很好地反映了图像的局部特征，并将统计分析领域的主成分分析和支持向量机方法有机地结合在一起，简化了零件检测的过程和难度。
论文的第一章，探讨了研究的背景和意义，以及研究的技术路线，并对全文内容做概括性介绍。第二章对铸件表面质量自动检测进行分析。第三章对小波原理、常用小波函数和二维小波变换及其图像应用进行详细的讨论。第四章是运用主成分分析方法进行特征提取，为分类器设计提供依据。第五章介绍支持向量机的基本思想和数学模型。支持向量机是一种新的通用的机器学习方法，与传统的学习方法(神经网络)相比，支持向量机不存在局部极小、隐层节点数的选择和维数灾难等问题。第六章为试验部分，首先将介绍硬件系统架构以及相应的技术细节，而后将提供实际试验结果。第七章为结论和展望，将总结本研究的新颖之处，并指出存在的问题和未来研究的方向。