题基于机器视觉的扁弹簧分类方法研究

doi:10.16731/j.cnki.1671-3133.2017.03.022

现代制造工程 ›› 2017, Vol. 438 ›› Issue (3): 126-129.doi: 10.16731/j.cnki.1671-3133.2017.03.022

• 仪器仪表/检测/监控 • 上一篇下一篇

题基于机器视觉的扁弹簧分类方法研究

陈鹏, 张爱梅, 张强, 王华敏

郑州大学机械工程学院,郑州 450001

收稿日期:2016-03-02 出版日期:2017-03-18 发布日期:2018-01-08
作者简介:陈鹏,硕士研究生,主要研究方向为图像处理、机器学习。
张爱梅,教授,硕士研究生导师,主要从事图形图像处理、图学理论及应用等领域的教学与科研。
张强,硕士研究生,主要研究方向为图像处理、逆向工程。
王华敏,硕士研究生,主要研究方向为图像处理、零件检测。
E-mail:547065945@qq.com

Study on classification method of flat springs based on machine vision

Chen Peng, Zhang Aimei, Zhang Qiang, Wang Huamin

School of Mechanical Engineering,Zhengzhou University,Zhengzhou 450001,China

Received:2016-03-02 Online:2017-03-18 Published:2018-01-08

摘要/Abstract

摘要： 为实现扁弹簧的自动化分类,提出一种基于机器视觉的扁弹簧分类方法。首先对采集到的不同型号的扁弹簧图像进行预处理,对预处理图像提取黑色像素分布向量,作为特征参数向量。然后采用DDAG SVMs方法将不同型号的扁弹簧进行分类,最终对采集到的不同型号扁弹簧测试样本进行分类测试实验。结果表明,该分类方法效率高、准确率高,可以满足扁弹簧自动化分类的各项要求。

关键词: 扁弹簧分类, 机器视觉, 特征提取, DDAGSVMs

Abstract: In order to realize the automatic classification of flat springs a new classification method based on machine vision is proposed.And the distribution vectors of black pixel is extracted as the feature parameter vector.Then,the SVMs DDAG method is used to classify the different types of flat springs,and the test samples of flat spring are classified into different types.The result shows that this classification method is so efficient and accurate that can meet the requirements of the flat spring automatic classification.

Key words: flat spring classification, machine vision, feature extraction, DDAG SVMs

中图分类号:

TP391

陈鹏, 张爱梅, 张强, 王华敏. 题基于机器视觉的扁弹簧分类方法研究[J]. 现代制造工程, 2017, 438(3): 126-129.

Chen Peng, Zhang Aimei, Zhang Qiang, Wang Huamin. Study on classification method of flat springs based on machine vision[J]. Modern Manufacturing Engineering, 2017, 438(3): 126-129.

[1]	魏万珍，田建艳，姜茜，杨胜强，. 基于图像技术的零件表面粗糙度支持向量机检测模型[J]. 现代制造工程, 2022, 500(5): 100-109.
[2]	程亚彬，张宏伟，王新环，郭子路，. 基于YOLO-V5的矿车桁架铆接孔定位技术研究[J]. 现代制造工程, 2022, 500(5): 115-121.
[3]	林晓平，王冠，陈学灵，刘赞丰，张雅文. 46MnVS5连杆裂解槽在机器视觉的几何尺寸检测研究[J]. 现代制造工程, 2022, 499(4): 119-127.
[4]	于福才，张丹，樊璇，曹雏清，蔡宗琰. 泵体口环装配工艺的机器视觉化研究及应用[J]. 现代制造工程, 2022, 498(3): 133-139.
[5]	张泽宇，任余，惠记庄，卜正锋. 基于主成分分析理论的装载机多源数据特征提取[J]. 现代制造工程, 2021, 492(9): 40-46.
[6]	韩婷，石宇强. 基于振动信号融合的ACO-DCNN多工况设备故障诊断[J]. 现代制造工程, 2021, 492(9): 94-100.
[7]	易可夫，胡锦，崔凯阳，胡宏伟. 基于二次特征筛选的覆铜板表面缺陷检测[J]. 现代制造工程, 2021, 489(6): 95-100.
[8]	王少伟，徐锋，晁海涛，刘宇，左敦稳. 基于支持向量机的纺织热轧机故障分类的研究[J]. 现代制造工程, 2021, 489(6): 116-121.
[9]	谢锋云，董建坤，王二化，符羽，闫少石. 基于双隐含层RWPSO-BP神经网络的齿轮箱故障诊断研究[J]. 现代制造工程, 2021, 489(6): 155-160.
[10]	党英，吉卫喜，陆家辉，张贇，吴浩. 基于卷积神经网络的铣刀磨损状态识别技术研究[J]. 现代制造工程, 2021, 488(5): 116-124.
[11]	周建民，尹文豪，游涛，李家辉，高森，杜艺博. 数据驱动下的滚动轴承性能退化评估研究综述[J]. 现代制造工程, 2021, 488(5): 146-153.
[12]	石龙杰，周扬，岑岗，施秧. 基于机器视觉的汽车换挡面板自动分类方法[J]. 现代制造工程, 2021, 487(4): 104-108.
[13]	郭亚盛，张硕，张爱梅. 基于机器视觉的圆柱滚子尺寸检测方法[J]. 现代制造工程, 2021, 487(4): 109-113.
[14]	袁军，刘丽冰，张艳蕊，杨泽青. 刀具磨损状况的检测方法研究综述[J]. 现代制造工程, 2021, 486(3): 152-160.
[15]	谢晖，吴先锋，付山，王伟龙. 基于Halcon的电表铭牌缺陷检测系统[J]. 现代制造工程, 2021, 485(2): 119-126.

题基于机器视觉的扁弹簧分类方法研究

Study on classification method of flat springs based on machine vision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics