论文部分内容阅读
针对废旧有色金属碎料来源复杂、分选难度大、识别准确率低等问题,提出一种基于机器视觉的有色金属碎料分选方法。通过颜色矩与Tamura纹理特征,建立基于主成分分析(PCA)的支持向量机(SVM)优化分选算法,从机器视觉角度上提出了新的高精度自动化分选思路。结果表明,基于颜色、纹理特征的SVM算法能够有效地对金属碎料进行快速识别和分类,准确率达93.89%,并且提高了识别速度,满足对废金属进行大规模高效分选的要求。