公开(公告)号：CN111160373B

公开(公告)日：2022-07-15

申请号：CN201911402171.6

申请日：2019-12-30

Applicant: 重庆邮电大学

Inventor： 罗萍 ,  卿政 ,  吕霞付 ,  任春旺

IPC: G06V10/46 ,  G06V10/56 ,  G06V10/50 ,  G06V10/762 ,  G06V10/80 ,  G06K9/62 ,  G01N21/88

Abstract: 本发明涉及一种变速鼓零件缺陷图像特征提取以及检测分类方法，属于机器视觉领域，包括步骤：S1：获取特征点，计算出特征点区域的主方向，进行坐标变换，分为8个方向，计算出周围4×4区域的方向描述子，形成128维描述向量；S2：采用K‑means聚类，设计词库数量为1000，生成词频向量；S3：将最初缺陷图片转为HSV格式，按通道在每块图像上提取一阶、二阶和三阶颜色矩特征，形成颜色矩特征向量；S4：将步骤S2的词频向量与步骤S3的颜色矩特征向量分别输入SVM进行训练，按照不同的兴趣区域以及计算出的可信度，得到对应的融合模型，实现准确分类。

公开(公告)号：CN111160373A

公开(公告)日：2020-05-15

申请号：CN201911402171.6

申请日：2019-12-30

Applicant: 重庆邮电大学

Inventor： 罗萍 ,  卿政 ,  吕霞付 ,  任春旺

IPC: G06K9/46 ,  G06K9/62 ,  G01N21/88

Abstract: 本发明涉及一种变速鼓零件缺陷图像特征提取以及检测分类方法，属于机器视觉领域，包括步骤：S1：获取特征点，计算出特征点区域的主方向，进行坐标变换，分为8个方向，计算出周围4×4区域的方向描述子，形成128维描述向量；S2：采用K-means聚类，设计词库数量为1000，生成词频向量；S3：将最初缺陷图片转为HSV格式，按通道在每块图像上提取一阶、二阶和三阶颜色矩特征，形成颜色矩特征向量；S4：将步骤S2的词频向量与步骤S3的颜色矩特征向量分别输入SVM进行训练，按照不同的兴趣区域以及计算出的可信度，得到对应的融合模型，实现准确分类。