基于机器学习的灭弧栅片表面缺陷检测方法

作者:郭良;舒亮;吴桂初; 刊名:机械工程与自动化 上传者:徐勇

【摘要】为了实现金属灭弧栅片表面缺陷的自动检测,引入了CCD成像系统并提出了表面缺陷检测三步法:第一步对原始图像进行去噪,第二步将灭弧栅片从背景中提取出来,第三步利用分类器对缺陷产品进行识别。提出了基于方向梯度直方图(HOG)与Gabor特征结合的图像特征提取算法,与传统的基于HOG和基于Gabor特征的算法相比,多分类支持向量机的训练结果显示本方法识别率分别提高了13%和7%。通过设计卷积神经网络框架对缺陷产品进行检测,结果显示正确率为93%。在二分类情况下对支持向量机和卷积神经网络的分类性能进行了比较,结果显示卷积神经网络性能更优。

全文阅读

第1期(总第212期) 2019年2月 机械工程与自动化 MECHANICAL ENGINEERING & AUTOMATION No.1Feb. 文章编号:1672-6413(2019)01-0004-04 櫜基于机器学习的灭弧栅片表面缺陷检测方法 郭 良,舒 亮,吴桂初 (温州大学 浙江省低压电器智能技术重点实验室,浙江 温州 325000) 摘要:为了实现金属灭弧栅片表面缺陷的自动检测,引入了 CCD 成像系统并提出了表面缺陷检测三步法:第一步对原始图像进行去噪,第二步将灭弧栅片从背景中提取出来,第三步利用分类器对缺陷产品进行识别。提出了基于方向梯度直方图 (HOG)与 Gabor特征结合的图像特征提取算法,与传统的基于 HOG和基于 Gabor特征的算法相比,多分类支持向量机的训练结果显示本方法识别率分别提高了13%和7%。通过设计卷积神经网络框架对缺陷产品进行检测,结果显示正确率为93%。在二分类情况下对支持向量机和卷积神经网络的分类性能进行了比较,结果显示卷积神经网络性能更优。 关键词:支持向量机;卷积神经网络;缺陷检测;机器学习;灭弧栅片中图分类号:TN911.73   文献标识码: 櫜 A 国家自然科学基金资助项目 (51507113 );浙江省分析测试科技计划项目 (2016C37084);浙江省科技厅公益项目 (2016C31052) 收稿日期:2018-06-06;修订日期:2018-12-05 作者简介:郭良 (1994-),男,辽宁台安人,在读硕士研究生,主要从事机器视觉方面的研究。 0 引言 随着社会经济的不断发展,小型断路器(MiniatureCircuit Breaker,MCB)已成为生产生活中必不可少的电气产品[ 1]。灭弧室是 MCB重要组成机构之一,相比于真空灭弧、磁吹灭弧和纵缝灭弧,栅片灭弧法得到了广泛应用[ 2]。在栅片灭弧室中通过对电弧进行冷却并分成多段弧的方法,使触头分断过程中产生的电弧能量及时释放,因此灭弧栅片的质量决定了能否有效灭弧。 目前灭弧栅片表面缺陷检测仍由人工完成,难以满足零件尺寸小、批量大的生产要求。在工业自动化生产线中,一方面机器视觉在线检测技术已经成功应用并逐渐代替人工检测[ 3],另一方面对金属表面缺陷 检测需求越来越多[ 4-5]。良好的缺陷检测系统不仅能满足实时性、准确性和鲁棒性要求,还应该对缺陷类别进行判断。文献[ 6]通过组合分类器实现对带钢表面缺陷识别,采用Boosting算法调整分类器权重使识别率达到90.47%。文献[ 7]提出一种新的组合核函数方法,研究了主成分分析对图像特征提取后进行训练的识别率,结果显示分类器的识别率达到了91.55%。但是这类研究未考虑目标区域的定位,直接将目标区域与背景作为特征进行训练,不仅使训练速度变慢,而且会降低准确率。此外,现有的图像特征提取方法应用到灭弧栅片表面缺陷识别时还需进一步改进。目前,卷积神经网络由于具有自动提取特征的优势已成为图像分类所采用的主流模型[ 8],为此本文提出了利用卷积神经网络对灭弧栅片表面缺陷进行识别与分类的方法。 1 灭弧栅片成像系统硬件组成 灭弧栅片成像系统的硬件设计要考虑检测精度、检测速度、成本和实际生产环境,其三维模型如图1所示。良好的光照能够提高感兴趣区域对比度,将目标从背景中分离出来[ 9]。基于氙灯发热少、亮度高和发白光的优点,为此采用氙灯作为光源。为了得到灭弧栅片表面特征,本文采用明场照明技术,利用两个氙灯光源照射栅片表面。灭弧栅片零件的表面尺寸为19mm×14mm,算上零件尺寸变动误差,视野

参考文献

引证文献

问答

我要提问