基于图像处理和支持向量机的微型齿轮缺陷检测

被引:13
作者
贺秋伟
王龙山
于忠党
李国发
高立国
机构
[1] 吉林大学机械科学与工程学院
关键词
机械制造自动化; 图像处理; 缺陷检测; 电荷耦合器件; 支持向量机; 微型齿轮;
D O I
10.13229/j.cnki.jdxbgxb2008.03.008
中图分类号
TH132.41 [齿轮及齿轮传动];
学科分类号
080203 ;
摘要
针对微型齿轮缺陷传统检测手段落后、准确率低、不易在线实施、受人为因素影响等问题,提出了以电荷耦合器件为图像传感器,采用图像处理技术和支持向量机对齿轮缺陷进行检测的方法。首先,系统采用发光二极管照明光源提供高强度背光照明,使用A102FCCD数字摄像头采集齿轮的图像,经过图像采集卡传输到计算机。其次,采用边缘保持滤波器对含有噪声的原始数字图像进行降噪处理,采用迭代阈值法和Otsu双阈值法对齿轮图像进行分割,形成二值化图像。然后获取齿轮样本,提取样本特征。最后用支持向量机来构造齿轮缺陷识别模型。该方法识别正确率达97.8%。理论分析及实验结果表明,该方法检测成本低廉、可靠性高、推广性强、容易在线实施。
引用
收藏
页码:565 / 569
页数:5
相关论文
共 8 条
[1]   基于支持向量机方法的短时交通流量预测方法 [J].
杨兆升 ;
王媛 ;
管青 .
吉林大学学报(工学版), 2006, (06) :881-884
[2]   基于K-L变换和支持向量机的滚动轴承故障模式的识别 [J].
徐进永 ;
张子达 ;
陆爽 .
吉林大学学报(工学版), 2005, (05) :500-504
[3]   一种Otsu阈值法的推广——Otsu双阈值法 [J].
苟中魁 ;
张少军 ;
李忠富 ;
李庆利 ;
金剑 .
机械, 2004, (07) :12-14
[4]   图像分割的阈值法综述 [J].
韩思奇 ;
王蕾 .
系统工程与电子技术, 2002, (06) :91-94+102
[5]  
机器视觉[M]. 科学出版社 , 贾云得编著, 2000
[6]   Machine vision system for automatic quality grading of fruit [J].
Blasco, J ;
Aleixos, N ;
Moltó, E .
BIOSYSTEMS ENGINEERING, 2003, 85 (04) :415-423
[7]   A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167
[8]  
The Nature of Statistical LearningTheroy .2 Vapnik V N. Springer-Verlag . 1995