论文部分内容阅读
针对形状复杂、型式多样的触点类元件自动检测问题，设计了一种具有自学习功能的智能视觉检测系统．该系统分为自学习和检测2个过程，通过对一定数量的学习样本提取包括几何、纹理及结构特征在内的大量基础特征矢量，使用信息论进行特征选择和变换，形成一组能够使类间尽可能分开的新的特征矢量一典型变量，并将这些特征应用支持向量机（SVM）来训练识别算法．实验结果表明，该系统能够适应触点类复杂零件检测，且检测准确率高，能够满足智能检测和工程实时性要求．