您好!欢迎来到安徽思普泰克智能制造科技有限公司官网! 一键测量仪| 思普泰克官网| 收藏思普泰克| 关于思普泰克| 网站地图
全国服务热线: 0550-2201055 185-0550-8089

热门关键词: 非标自动化检测设备定制机 机器视觉检测设备欧规机 一键测量仪/机器视觉系统软件 精密小五机器视觉检测设备 全尺寸非标自动化检测设备

当前位置主页 > 视觉检测设备知识 > 行业动态 >

视觉缺陷检测设备检测方法及特征选择与提取!

返回列表 来源:admin 浏览: 发布日期:2020-05-20 15:51
安徽思普泰克视觉缺陷检测设备采用ccd照相机将被检测的目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号,图像处理系统对这些信号进行各种运算来抽取目标的特征。

  视觉缺陷检测设备的检测方法:

  1、计算了缺陷图像与标准图像的灰度差。
  2、通过将差值与设定的阈值进行比较,可以判断出缺陷。
  3、缺陷图像的特征选择与提取。

  视觉缺陷检测设备缺陷图像差分法

  基本流程

  1、有效探测区域设置
  2、图像配准与裁剪
  3、设置差异阈值
  4、缺陷位置识别
视觉缺陷检测设备
  视觉缺陷检测设备缺陷图像的特征选择与提取

  视觉缺陷检测设备的特征提取方法

  1、灰度特性
  2、灰度差分特征
  3、直方图特征
  4、变换系数特性
  5、线和角的特征
  6、灰色边缘特征
  7、纹理特征

  视觉缺陷检测设备的特征选择(数据降维)

  降维的原因:在机器学习中,如果特征值太多,即维数太多,就会造成维数灾难。维数灾难最直接的后果是过拟合,导致分类和识别的误差。因此,我们需要降低所提出特征的维数。
  基本原理:特征选择是对原始空间进行变换,以较小的维数重新生成一个更加独立的特征空间。

  降维问题:

  1、 降维后的数据是否应该包含更多信息?
  2、降维后会丢失多少信息?
  3、降维对分类识别有什么影响?

视觉缺陷检测设备

  数据维度缩减的好处:

  (1) 数据压缩减少了数据存储所需的空间和计算所需的时间。
  (2) 消除数据之间的冗余,简化数据,提高计算效率。
  (3) 去除噪声,提高模型的性能。
  (4) 提高了数据的可理解性和学习算法的准确性。
  (5) 将数据维度减少到二维或三维以便可视化。
  常用方法:主成分分析、随机映射、非负矩阵分解。

  主成分分析

  方法概述:该方法的目标是发现数据中最重要的元素和结构,去除噪声冗余,降低原始复杂数据的维数,揭示隐藏在复杂数据背后的简单结构。主成分分析(PCA)是在最小化数据丢失的原则下对多元数据表进行简化的一种尝试。
  这些综合指标被称为主成分,即降低高维变量空间的维数,可见低维空间的识别系统要比高维空间容易得多。PCA从线性代数的角度出发,寻找一组新的正交基来重新描述作为主元的数据空间。
视觉缺陷检测设备