基于支持向量机与k-近邻的工件表面缺陷识别算法

• 作者: 李俊 李养胜
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 缺陷识别 支持向量机 k最近邻 线性算法核 误差最小化
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 50-53
• 页数: 4页
• 分类号: TP391|TN06
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1701340

摘要

为了解决当前工件表面粗糙与缺陷特征相近的情况导致算法识别不准确的问题,以模式识别为切入点,分别从支持向量机与k最近邻的两个强分类器出发,提出了基于支持向量机与k最近邻的工件图像表面缺陷识别算法.首先,通过4种算法核,线性算法核、多项式算法核、径向算法核和Sigmoid算法核,设计出支持向量机分类算子,达到精准识别的目的.然后,在支持向量机识别的基础上,继续训练学习样本,通过分类误差最小化法则,进一步精确识别工件缺陷,形成k最近邻分类器.最后,基于软件开发环境Visual Studio实现算法,并系统集成.实验测试结果显示,与当前工件缺陷识别技术相比,本文算法拥有更高的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊		15	48	5.0	6.0
2	李养胜		15	37	4.0	6.0