基于支持向量机和计算机视觉的焊环筛选方法研究.docVIP

 基于支持向量机和计算机视觉的焊环筛选 方法研究 陈韬，陈晓云，文平，刘沙** 5 10 （兰州大学 信息科学与工程学院） 摘要：支持向量机在解决小样本、非线性模式识别中表现出良好的特性；计算机视觉在工业 生产中用于图像采样并获取图像信息。本研究使用计算机视觉和支持向量机技术对焊环生产 工艺路线中的筛选过程建模，并进行相关的实验。在使用支持向量机对焊环进行分类的过程 中，使用了使用外圆直径均值、外圆直径标准差、内圆直径均值和内圆直径标准差四个参数 以及焊环灰度共生矩阵中的四个特征参数，实验结果表明本方法能够有效区分良品焊环和次 品焊环，可用于提高工艺路线中的焊环筛选效率。 关键词：支持向量机、灰度共生矩阵、焊环筛选 中图分类号：TP20; TH16 15 Research of Support-Vector-Machine and Computer Vision in Welding Ring Screening Method Chen Tao, Chen Xiaoyun, Wen Ping, Liu Sha (School of Information Science Engineering, Lanzhou University) 20 25 30 35 40 Abstract: Support-Vector-Machine (SVM) shows good performance when deal with the small sample and non-linear pattern recognition. Computer Vision is often used for image sampling and extracting image information in industrial production. In this study, welding ring screening modeling is built by computer vision and SVM technology. In the process of welding ring classification with SVM, there are eight parameters, i.e. outer diameter mean, standard deviation of outer diameter, inner diameter mean, standard deviation of inner diameter and the four characteristic parameters of the Gray-level Co-occurrence Matrix of the welding ring pictures. Experimental results show that our method can effectively distinguish the defective rings from the good ones. This method can be used in the welding ring screening process to improve the efficiency. Key words: SVM; GLCM; welding ring screening 0 引言 支持向量机[1][2](Support Vector Machine，简称 SVM)是一种数据挖掘分类技术，数据挖 掘可以在海量数据中找出有价值的隐藏事件，并对这些事件加以分析。计算机视觉（Computer Vision）技术是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量的技术。在现代化 工业生产过程中，有大量的生产数据可以用于分析，进而改进工艺、提高生产质量。其中生 产数据的采集和数字化需要使用计算机视觉技术。因此，对于数据挖掘和计算机视觉的交叉 领域的研究，能够进一步改进现代工业生产工艺，实现自动化生产，减少成本，提高生产效 率。 传统的数据挖掘技术在商业领域，尤其是销售数据分析方面有很普遍的应用，国内的通 信、银行、保险、证券等行业对数据挖掘技术的应用都非常重视。文献[3]使用支持向量机成 作者简介：陈韬（1981-），男，研究生，主要研究方向：数据挖掘 通信联系人：陈晓云(1954-)，女，教授、博士生导师，主要研究方向：数据挖掘、数据仓库、数据库. E-mail: chenxy@lzu.edu.cn -1-  功识别了电台信号。文献[4]将支持向量机用于保险行业客户特征数据分析，以支持保险业务 决策。在工业生产方面，数据挖掘在制造业中应用较多，主要用于发现最佳生产过