摘要
本发明公开了一种基于多特征提取与层次SVM融合的焊缝缺陷检测方法,通过被动视觉和激光视觉传感技术提取焊缝表面的图像特征,并将得到的焊缝参数作为层次支持向量机的特征输入,通过分类器的结构将多分类问题转化为多个二分类问题,对六种焊缝目标进行识别分类,得到最终的结果。本发明引入焊缝缺陷的多特征提取,通过多特征提取技术,能够全面捕捉焊缝图像中的几何形状、纹理特征及光谱信息,从而显著提升缺陷识别的精度和可靠性,采用被动视觉与主动视觉的多特征提取,从多个维度获取焊缝缺陷的特征信息,将多分类问题转化为多个二分类问题,能够快速对焊接场景下工件表面的焊接缺陷进行分类和识别。
技术关键词
焊缝表面缺陷
焊缝缺陷检测方法
激光条纹图像
支持向量机模型
支持向量机分类器
被动视觉传感
激光视觉传感
视觉传感技术
轮廓数据
表面图像数据
像素点
多特征信息
实时图像采集
特征提取技术
系统为您推荐了相关专利信息
支持向量机模型
非易失性存储介质
数据处理方法
样本
自然灾害
高通量筛选方法
多肽
支持向量机模型
LightGBM模型
数据分析模块
阵列扬声器
引导系统
定位模块
红外热成像摄像头
语音
特征选择方法
算法
支持向量机分类器
位置更新方法
位置更新过程
支持向量机分类器
取向
品质分析方法
石墨
扫描电子显微镜