摘要
本发明提供了一种竹条品质检测方法、设备及系统,方法包括:S101,获取待分类的竹条表面的激光条纹图像;所述激光条纹图像通过线激光视觉检测模块采集得到;S102,采用HOG算法提取激光条纹图像的边缘形状特征与结构轮廓,得到竹条表面的高维特征向量,并对提取的所述高维特征向量进行降维处理,以去除冗余信息,提炼得到关键特征;S103,将所述关键特征输入训练好的最优SVM分类模型进行分类;其中,在训练阶段,引入河马优化算对SVM分类模型的超参数进行全局寻优,通过模拟河马种群行为自动搜索最优参数组合,得到最优SVM分类模型;S104,根据所述最优SVM分类模型的输出得到所述竹条的缺陷类型,以确定竹条的品质。本发明能够快速准确的确定竹片的缺陷类型。
技术关键词
激光条纹图像
品质检测方法
竹条
SVM分类
视觉检测模块
激光条纹中心
高维特征向量
品质检测设备
边缘形状特征
灰度重心法
激光三角法
结构轮廓
输送线
接近开关
品质检测系统
线激光发射器
位置更新
PCA算法
系统为您推荐了相关专利信息
协同检测方法
深度学习优化
动态
深度残差网络
SVM分类
视觉检测模块
主控制器
外设设备
嵌入式处理器
传感模块
稳定性评估方法
导航系统数据
SVM分类
精度
训练集数据
双向三通阀
心率
SVM分类器
SVR模型
微型电动气泵
状态评估方法
SVM分类器
状态评估系统
非线性特征
血流