应用小波包能量谱及支持向量机实现安瓿内浮类异物的识别

• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 小波包能量谱 主成分分析 特征提取 支持向量机 类型识别
• 年，卷（期）: 2009,（11）
• 所属期刊栏目: 信息科学
• 页码范围: 2794-2799
• 页数: 6页
• 分类号: TP391.41
• 字数: 3262字
• 语种: 中文

摘要

为了解决安瓿内漂浮物与悬浮物的识别问题,提出了一种基于小波包能量谱的特征提取和基于支持向量机的识别方法.首先,通过图像序列差分及点检测分割提取杂质存在区图像作为目标区;然后,将目标区沿安瓿瓶轴线方向逐行叠加形成一维信号,对一维信号进行小波包分解,采用主成分分析法提取小波包分解特征向量中独立主成分;以小波包特征向量中独立主成分的能量谱作为异物类型特征,将提取的特征作为支持向量机的输入向量,采用序列最小优化方法实现训练样本快速分类.实验过程中选择不同类型的核函数和相应参数进行训练和测试,实验结果显示,相对于传统BP网络,SVM将识别用时减少近60%,识别精度提高了35%,能够满足在生产中对浮类杂质的提取和快速识别的要求.