基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对目前磁瓦合格分类人工识别效率低.提出了一种基于高斯混合模型的磁瓦合格检测方法,通过Halcon软件将工业相机采集到的磁瓦样本图片进行图像灰度化,降噪,滤波,阈值分割,形态学处理,处理后根据主成分分析法,提取出磁瓦的面积、周长和中心几何距等特征参数,再根据特征参数的不同进行汇总赋值,利用高斯混合模型分类识别出磁瓦样本的合格与不合格品.实验结果表明,Halcon编程检测出四十片磁瓦共耗时约7s,平均每个耗时0.2s,提高了检测效率,并缩短了检测时间.该算法针对磁瓦的识别效果较好,识别准确率高,相比人工检测,效率和可靠性均有了提升.
推荐文章
基于在线分裂合并EM算法的高斯混合模型分类方法
高斯混合模型
在线训练
分裂融合算法
模式分类
局部保护降维与高斯混合模型的高光谱图像分类
高斯混合模型
局部保护投影
局部保护非负矩阵分离
高光谱图像分类
基于混合高斯模型MRF场的CT图像分割
工业CT图像
混合高斯模型
马尔科夫模型
图像分割
基于多元混合高斯分布的多分类人脸识别方法
重尾噪声
多元混合高斯分布
参数估计
核函数
贝叶斯理论
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于高斯混合模型的磁瓦合格分类研究
来源期刊 制造业自动化 学科 工学
关键词 磁瓦 高斯混合模型 图像处理 特征参数 Halcon
年,卷(期) 2017,(1) 所属期刊栏目 设计与应用
研究方向 页码范围 113-115,126
页数 4页 分类号 TP391.41
字数 2134字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 蒋红海 昆明理工大学机电工程学院 14 83 5.0 9.0
2 忽正熙 昆明理工大学机电工程学院 2 2 1.0 1.0
3 刘洪生 昆明理工大学机电工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (65)
共引文献  (64)
参考文献  (13)
节点文献
引证文献  (2)
同被引文献  (3)
二级引证文献  (1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(9)
  • 参考文献(2)
  • 二级参考文献(7)
2009(10)
  • 参考文献(3)
  • 二级参考文献(7)
2010(9)
  • 参考文献(1)
  • 二级参考文献(8)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(5)
  • 参考文献(2)
  • 二级参考文献(3)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
磁瓦
高斯混合模型
图像处理
特征参数
Halcon
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
制造业自动化
月刊
1009-0134
11-4389/TP
大16开
北京德胜门外教场口1号
2-324
1979
chi
出版文献量(篇)
12053
总下载数(次)
12
论文1v1指导