基于Fisher判别分析的轮毂识别研究

针对传统轮毂生产线因人工目检带来的识别问题,提出以机器视觉为识别基础、Fisher判别为分类方法对轮毂进行识别分类研究。在对机器视觉系统获取轮毂图像进行预处理后,对图像进行特征提取操作获得轮毂半径、轮毂辐条数、辐条类型、轮毂宽度的特征数据。进而用Fisher判别法对轮毂样本数据库进行学习分类。由检测结果得知,Fisher判别法对轮毂分类具有较好的效果,且方法简单,具有较高的识别率。     

基于改进遗传算法的轮毂缺陷检测研究

针对轮毂生产过程中产生的气孔、缩松、缩孔、裂纹和夹杂缺陷进行识别检测研究。对经过预处理操作后的缺陷图像运用布谷鸟算法结合大津法的CS-Otsu算法,寻找最优阈值T以便缺陷部分与背景分割。通过提取不同类型缺陷的特征数据构建样本数据库。基于萤火虫算法改进BP神经网络的GSO-BP算法优化权值及阈值,并结合构建的缺陷数据库实现对轮毂缺陷类型的检测。通过结果可知运用基于改进遗传算法的正确识别率为95%,高于传统遗传算法,能够满足缺陷检测要求。