




下載本文檔
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
基于PCA—SIFT算法的產(chǎn)品表面缺陷檢測研究PCA-SIFT算法的自動識別。該算法是對基于尺度旋轉(zhuǎn)不變性算法的改進,在保證識別精確度的前提下,利用主元分析法SIFT0.5s?!娟P(guān)鍵詞】缺陷檢測;旋轉(zhuǎn)步長采樣;投影法;PCA-SIFT引言[1];不依賴于人的主觀因素從而保證高穩(wěn)定性與高可靠性;容易滿足各種特殊高危生產(chǎn)檢測場合;便于實現(xiàn)缺陷信息的自動記錄與數(shù)據(jù)庫管理及查詢功能,保障產(chǎn)品生產(chǎn)的全面質(zhì)量管理與過程控制等[2]。構(gòu)方法、全局方法和基于模型的方法[3]。自動視覺檢測是建立在機器視覺基礎(chǔ)上的一門新興檢測技術(shù),是綜合應(yīng)用圖像處理與分析、模式識別、人工智能、精密儀器等技術(shù)的非接觸式檢測方法。近年來,紅外技術(shù)、CCD技術(shù)和計算機技術(shù)都有了飛速地發(fā)展,基于激光掃描、光譜圖像、紅外成像和超聲波掃描的機器視覺技術(shù)因其成本低、無損傷、準(zhǔn)確、快速、永不疲勞等優(yōu)點在缺陷檢測領(lǐng)域也得到了越來越廣泛的應(yīng)用[4]。檢測的總體流程工件旋轉(zhuǎn)檢臺如下圖1所示[5]是為了使系統(tǒng)能夠自動對被檢產(chǎn)品進行多方位信息提取。圖1視覺檢測原理框圖圖2表面有不同分辨率條紋的圓柱產(chǎn)品法效果,用測試分辨率的具有代表性的黑白線對數(shù)/毫米來驗證。算法介紹旋轉(zhuǎn)步長的確定長[6]。垂直投影就是將一列所有像素點的灰度值累加求和,如式(1)所示:(1)3際操作過程中共同確定的旋轉(zhuǎn)步長為。圖3垂直投影120幅標(biāo)準(zhǔn)樣本圖,提取圖像特征建立標(biāo)準(zhǔn)樣本圖庫。PCA-SIFT圖像匹配算法PCA-SIFTPCA用主成分分析法(SIFT的128維特征向量進行降維,以達到更精確的表示方式。進行降維的具體方法如下:SIFT128維均值向量以及所有樣本點的特征向量與均值向量的差。構(gòu)建協(xié)方差矩陣,求協(xié)方差矩陣的128128特征值從大到小的順序排列和對應(yīng)的特征向量。=36,最A(yù),它的列由個特征向量組成。將原始128維SIFT描述子按照式(2)PCA-SIFT描述子的主成分表示,即。本實128SIFT20維的PCA-SIFT特征描述符。利用PCA-SIFT特征檢測算法檢測出兩幅幅圖片的所有關(guān)鍵點及對應(yīng)的特小,就說明這兩個點越相似,它們的匹配程度就越高。歐式距離公式如(2)所示(2)其中分別為兩幅待匹配圖上的特征點所生成的特征向量。0.6,如式示:(3)式中為最近歐氏距離,為次近歐式距離。缺陷檢測PCA-SIFT;則停止計算判斷該區(qū)域為缺陷區(qū)域。(4)實驗結(jié)果與分析CPUWindowsMatlab12002026×1669SIFT和PCA-SIFTSIFT進行匹配速度很快,但經(jīng)過PCA-SIFT4-541分別為待檢測圖像41SIFTPCA-SIFT兩種匹配方法的對比ab匹配對數(shù)圖像配準(zhǔn)時間SIFT(128個,b(136個)200.54PCA-SIFT(128個,b(136個)140.152像和標(biāo)準(zhǔn)圖像相似度的計算結(jié)果。表2不同度數(shù)下待檢測圖像和標(biāo)準(zhǔn)圖像相似度的計算結(jié)果待檢測圖像/o728496108標(biāo)準(zhǔn)圖庫/幅25293337相關(guān)度0.94050.93310.9548 0.9641由表2可知被檢測圖像與標(biāo)準(zhǔn)庫庫中對應(yīng)位置圖像的相似度均大于設(shè)定閾值,可判斷該區(qū)域無缺陷。487o時的檢測結(jié)果。100.34sSIFT算法0.5s的時間。圖5有缺陷時的圖像檢測結(jié)論Matlab來自實驗結(jié)果。參考文獻王耀南,李樹濤,毛建旭.計算機圖像處理與識別技術(shù)[M].育出版社,2001:56-89.張學(xué)武,丁燕瓊,閆萍.[J].光學(xué)學(xué)報,201,31(3:0312004.Xie,X.Areviewofrecentadvancesinsurfacedefectdetectionusinganalysistechniques[J].ELCVIA,2008,7(3)..路面車輛實時檢測與跟蹤的視覺方法[J].2010,30(4:1076-1083..X[J].兵工學(xué)報,2012,33(7:881-885.WangWencheng,ChangFaliang.Aprecise
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年度演出場地租賃合同樣本詳解
- 氣動薄膜旋轉(zhuǎn)執(zhí)行機構(gòu)行業(yè)深度研究報告
- 職業(yè)學(xué)院項目推廣與宣傳策略
- 職業(yè)學(xué)院教學(xué)設(shè)施與硬件建設(shè)
- 排水防澇設(shè)施功能提升社會效益與經(jīng)濟效益分析
- 2024繅絲加工市場前景及投資研究報告
- 蔬菜代售合同范本
- 2025年中國字車馬達板行業(yè)市場發(fā)展前景及發(fā)展趨勢與投資戰(zhàn)略研究報告
- 七年級語文下冊課文知識點總結(jié)
- 七上文言文《寓言二則》知識歸納
- 一年級下冊勞動教案
- 付款申請英文模板
- 大同大學(xué)綜測細則
- 生活會前談心談話提綱
- 比較思想政治教育(第二版)第十二章課件
- 普通外科常見疾病臨床路徑
- 人教版九年級下冊初中英語全冊作業(yè)設(shè)計一課一練(課時練)
- 2021新版GJB9001C-2017體系文件內(nèi)審檢查表
- 風(fēng)篩式清選機的使用與維護
- 《計算流體力學(xué)CFD》
- 馬克思主義宗教觀課件
評論
0/150
提交評論