基于特征融合的減振墊缺陷分類*

朱振坤，孫 淵

(上海電機(jī)學(xué)院機(jī)械學(xué)院，上海 201306)

0 引言

減振墊是一種阻尼材料制成的工件，廣泛地應(yīng)用于機(jī)械、車輛、橋梁、隧道和空調(diào)等領(lǐng)域中[1]，用以減弱設(shè)備振動造成的不良影響，另外減振墊可以削弱振動產(chǎn)生的噪音[2]。制造業(yè)的不斷發(fā)展推動減振墊工藝和質(zhì)量提高，但是生產(chǎn)過程中仍有不利因素會造成工件表面產(chǎn)生缺陷，人工檢測的效率低的同時無法保證準(zhǔn)確性。近些年機(jī)器視覺的快速發(fā)展提供了除人工目檢外其他表面缺陷檢測方案，利用人工神經(jīng)網(wǎng)絡(luò)和圖像處理技術(shù)完成缺陷分類任務(wù)也成為主流。對于大樣本的分類，人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練后得到很高的分類性能[3-4]，但需要調(diào)參者的經(jīng)驗(yàn)和機(jī)器的計算力。而小樣本的分類中，SVM分類器性能表現(xiàn)良好[5]，對于減振墊缺陷分類任務(wù)，關(guān)鍵是在表面復(fù)雜紋理背景中提取具有良好分類性能的特征向量，陶志勇等[6]提出了一種基于Gabor紋理特征的缺陷檢測方法，通過Retinex算法預(yù)處理，利用PCA降維Gabor提取的紋理特征，將生成的特征向量送入SVM分類器中檢測，在小樣本集中取得較高的分類準(zhǔn)確率。ZHOU等[7]提出一種幾何特征串行融合紋理特征和灰度特征的方法，將融合的特征向量降維后進(jìn)行分類，結(jié)果滿足企業(yè)需求。張秦瑋等[8]利用大津法和圖像差影法提取缺陷輪廓特征向量后，利用粒子群算法對SVM參數(shù)尋優(yōu)，得到了更好的缺陷分類結(jié)果。以上算法針對簡單表面紋理有效，無法適用于表面紋理復(fù)雜的缺陷檢測，誤檢率高。……