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:
针对传统的人工无纺布缺陷检测效率低、成本较高等问题,提出一种基于改进二叉树SVM模型的无纺布缺陷检测方法.因所采集无纺布图像中存在一定的噪声干扰,需先进行图像预处理,该方法首先对图像使用双边滤波,再利用改进的Canny边缘检测算法对缺陷图像进行边缘检测完成图像分割;接着利用Hu不变矩和颜色矩算法,提取经过预处理的图像的形状特征和颜色特征;最后对改进二叉树支持向量机算法进行训练,实现了对无纺布常见的4类不同缺陷的检测及分类工作.实验结果表明:该方法对无纺布缺陷有着高于93%的分类准确率,并且检测效率高,能够满足无纺布实际生产要求.
推荐文章
二叉树多类SVM在网络入侵检测中的应用
入侵检测
支持向量机
二叉树
多类分类
基于二叉树SVM的动态称重系统作弊检测的研究
作弊检测
动态称重
SVM
二叉树
一种改进的二叉树SVM多类分类算法
SVM多类分类
二叉树
缺陷分类
基于变换二叉树法的期权定价研究
二叉树法
期权定价
变换
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 改进二叉树SVM模型在无纺布缺陷检测中的应用
来源期刊 电子测量技术 学科
关键词 无纺布 缺陷检测 Canny 二叉树SVM
年,卷(期) 2020,(20) 所属期刊栏目 信息技术及图像处理|Information Technology and Image Processing
研究方向 页码范围 98-103
页数 6页 分类号 TP391
字数 语种 中文
DOI 10.19651/j.cnki.emt.2004813
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (142)
共引文献  (618)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(9)
  • 参考文献(0)
  • 二级参考文献(9)
2008(12)
  • 参考文献(0)
  • 二级参考文献(12)
2009(10)
  • 参考文献(0)
  • 二级参考文献(10)
2010(9)
  • 参考文献(0)
  • 二级参考文献(9)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(5)
  • 参考文献(1)
  • 二级参考文献(4)
2014(10)
  • 参考文献(3)
  • 二级参考文献(7)
2015(4)
  • 参考文献(1)
  • 二级参考文献(3)
2016(14)
  • 参考文献(1)
  • 二级参考文献(13)
2017(15)
  • 参考文献(1)
  • 二级参考文献(14)
2018(11)
  • 参考文献(3)
  • 二级参考文献(8)
2019(6)
  • 参考文献(4)
  • 二级参考文献(2)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
无纺布
缺陷检测
Canny
二叉树SVM
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
电子测量技术
半月刊
1002-7300
11-2175/TN
大16开
北京市东城区北河沿大街79号
2-336
1977
chi
出版文献量(篇)
9342
总下载数(次)
50
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导