基于LBP和LPQ特征融合的PSO-SVM缺陷分类

• 作者: 杜绪伟 陈东
• 来源期刊: 电子测量技术
• 关键词: 表面缺陷 粒子群算法 支持向量机 特征提取 分类模型
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 122-126
• 页数: 5页
• 分类号: TP751
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004913

摘要

钢板在生产及使用过程中产生的表面缺陷不仅影响外观还会降低产品的性能,针对目前检测的效率低、误差大提出了一种结合图像处理与粒子群优化支持向量机的缺陷分类检测系统.利用融合空域的局部二值模式和频域局部相位量化两种特征提取方式的优势对工件的图像进行缺陷特征提取,建立支持向量机(SVM)缺陷分类模型.由于SVM算法参数容易陷入局部最优的问题,所以采用粒子群算法优化SVM的惩罚参数和核函数.在MATLAB 2019b平台进行实验,实验结果对比分析显示,所提算法较传统的SVM分类模型相比提高了18.33％的识别准确率.