基于机器学习的灭弧栅片表面缺陷检测方法

• 作者: 吴桂初 舒亮 郭良
• 来源期刊: 机械工程与自动化
• 学科: 工学
• 关键词: 支持向量机 卷积神经网络 缺陷检测 机器学习 灭弧栅片
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 试验研究
• 页码范围: 4-7
• 页数: 4页
• 分类号: TN911.73
• 字数: 2680字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6413.2019.01.002

摘要

为了实现金属灭弧栅片表面缺陷的自动检测,引入了CCD成像系统并提出了表面缺陷检测三步法:第一步对原始图像进行去噪,第二步将灭弧栅片从背景中提取出来,第三步利用分类器对缺陷产品进行识别.提出了基于方向梯度直方图(HOG)与Gabor特征结合的图像特征提取算法,与传统的基于HOG和基于Gabor特征的算法相比,多分类支持向量机的训练结果显示本方法识别率分别提高了13％和7％.通过设计卷积神经网络框架对缺陷产品进行检测,结果显示正确率为93％.在二分类情况下对支持向量机和卷积神经网络的分类性能进行了比较,结果显示卷积神经网络性能更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	舒亮	温州大学浙江省低压电器智能技术重点实验室	27	119	6.0	10.0
2	吴桂初	温州大学浙江省低压电器智能技术重点实验室	44	171	7.0	8.0
3	郭良	温州大学浙江省低压电器智能技术重点实验室	2	5	2.0	2.0