为了提高机械金属零件缺陷检测的准确性和效率,本文研究了一种基于机器视觉的自动化检测方法。该方法首先通过工业相机采集金属零件的图像,并进行图像预处理操作;然后,基于颜色直方图对图像进行特征提取,描述缺陷的颜色分布信息,并构建...为了提高机械金属零件缺陷检测的准确性和效率,本文研究了一种基于机器视觉的自动化检测方法。该方法首先通过工业相机采集金属零件的图像,并进行图像预处理操作;然后,基于颜色直方图对图像进行特征提取,描述缺陷的颜色分布信息,并构建特征向量作为随机森林模型的输入。实验采用东北大学NEU-CLS(northeastern university surface defect database)数据集进行验证,通过5折交叉验证对模型性能进行了评估。实验结果表明:所提方法在缺陷识别的准确性、精确率、召回率和F_1分数等方面均表现出优异的性能。展开更多
文摘为了提高机械金属零件缺陷检测的准确性和效率,本文研究了一种基于机器视觉的自动化检测方法。该方法首先通过工业相机采集金属零件的图像,并进行图像预处理操作;然后,基于颜色直方图对图像进行特征提取,描述缺陷的颜色分布信息,并构建特征向量作为随机森林模型的输入。实验采用东北大学NEU-CLS(northeastern university surface defect database)数据集进行验证,通过5折交叉验证对模型性能进行了评估。实验结果表明:所提方法在缺陷识别的准确性、精确率、召回率和F_1分数等方面均表现出优异的性能。
