《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于单类支持向量机的织物瑕疵检测研究*

作者：兰瑜洁1,钟舜聪1,2* 日期：2016-03-30/span> 浏览：3478 查看PDF文档

基于单类支持向量机的织物瑕疵检测研究*

兰瑜洁1,钟舜聪1,2*

(1.福州大学机械工程及自动化学院光学/太赫兹及无损检测实验室,福建福州 350108;

2.福建省医疗器械和生物技术重点实验室,福建福州 350000)

摘要：为了实现在工业环境下的织物瑕疵在线检测,提出了一种基于单类支持向量机(OCSVM)的织物异常纹理检测方法。通过利用CCD采集织物图像,滤除图像噪声后提取了图像小区域窗口子图像特征;通过实验寻找了两组有效的特征向量,对特征值进行了归一化和主成份分析降维后导入支持向量机分类器中进行了训练,利用单类SVM对异常区域进行了定位和标记。通过对分别利用两组特征向量识别出的图像结果进行组合得到了最后的瑕疵区域。实验结果表明,该算法能够正确地对多种瑕疵进行识别，并能较大程度降低误检率和漏检率;同时,能够有效解决生产实际中瑕疵训练样本难以获取的问题,对未知的待测样本有较好的推广性,可以适应工业检测的要求。

关键词：织物;瑕疵检测;机器学习;支持向量机

中图分类号：TP2;TS1

文献标志码：A文章编号：1001-4551(2016)02-0237-05

本文引用格式：

兰瑜洁,钟舜聪.基于单类支持向量机的织物瑕疵检测研究［J］.机电工程，2016，33(2)：237-241.

LAN Yu jie, ZHONG Shun cong. Fabric defect detection based on oneclass support vector machine［J］.Journal of Mechanical & Electrical Engineering, 2016,33(2):237-241.

《机电工程》杂志：http://www.meem.com.cn