论文部分内容阅读
在当今社会,玻璃被广泛的应用于人们的日常生活中。此外,玻璃作为一种生产材料在制造业中也起着重要的作用。然而,玻璃的生产流程中受工艺和环境限制,会产生各种缺陷,这些缺陷会破坏玻璃原有的机械性能和热稳定性,从而对人们的日常生活及工业加工造成不好的影响。目前,绝大多数的玻璃生产厂商依靠传统的人工检验方法对缺陷玻璃予以发现和控制,但由于受到工人易于疲劳、鉴别经验不足等主客观因素的束缚,检验效果并不理想。正是在这种研究背景下,设计并实现一种替代人工检验的玻璃缺陷检测技术是很有必要的。论文重点研究了模式识别技术在玻璃缺陷检测行业里的应用与发展。通过对模式识别相关技术的研究,设计并实现一个检测性能较好的玻璃缺陷检测系统,以便对玻璃缺陷进行自动分类。论文主要工作如下:(1)针对玻璃图像对比度低,边缘模糊等特点,对目前主流的图像预处理算法进行了比较实验,最终选定了三种适用于玻璃图像的预处理方法,包括:灰度化处理、空间线性变换以及二值化方法。(2)研究了小波、小波包变换的原理与编码方法,并将不变矩技术(包括Hu’s矩、Zernike’s矩、小波矩)引入到玻璃图像的特征提取中。此外,针对当前小波矩算法误差较大的缺点,利用两次坐标变换设计并实现了一种精确的小波矩算法(E-WMI),取得了较好的实验效果。(3)研究了支持向量机的基础理论与实现方法。针对当前支持向量机中增量学习算法的主要缺陷,设计了一种改进的对称增量学习算法(S-ISVM),并应用到论文的玻璃缺陷识别中。(4)用VC与MATLAB混合编程技术完成了玻璃缺陷检测系统中模式识别模块的核心代码编写与实验平台搭建,并通过大量的实验数据证明:在相同识别技术的条件下,用论文提出的E-WMI对图像进行特征提取所得到的识别精度最高。此外,使用论文提出的S-ISVM方法对新增样本进行训练可以在保证识别精度的基础上,有效缩短训练时间。论文在分析比较了目前主流的图像预处理算法、特征提取算法与识别分类方法基础上,针对玻璃缺陷图像的特点,设计了相对适用的图像预处理、特征提取及分类识别技术,并搭建了玻璃缺陷检测平台。