基于改进Logistic回归与不变矩的螺钉滑牙检测方法

作     者：郭庆华 王家豪 宋丽梅 杨怀栋 GUO Qing-hua;WANG Jia-hao;SONG Li-mei;YANG Huai-dong

作者机构：天津工业大学电气工程及自动化学院天津300387 清华大学精密仪器系北京100084 伍伦贡大学计算机、电气工程与通信工程学院澳大利亚伍伦贡2500 

出 版 物：《天津工业大学学报》 (Journal of Tiangong University)

年 卷 期：2018年第37卷第5期

页      面：78-82页

学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(60808020,61078041) 国家科技支撑计划资助项目(2014BAH03F01) 天津市应用基础及前沿技术研究计划资助项目(16JCYBJC15400,15JCYBJC51700) 天津市企业科技特派员资助项目(18JCTPJC61700) 天津市高等学校创新团队培养计划资助项目(TD13-5036) 天津大学精密测试技术及仪器国家重点实验室开放基金资助项目(PIL1603) 

主　　题：机器视觉 螺钉滑牙 轮廓提取 Hu矩 Logistic回归 

摘      要：为检测螺钉滑牙和脱扣等缺陷,搭建测量系统,并对相关算法进行深入研究.根据螺钉对光照的反射特点,选择合适的光源;对采集的图像在二值化基础上进行霍夫圆检测,得到螺钉的位置及大小;对螺钉中心位置进行轮廓提取,并计算Hu矩;将Hu矩作为特征,输入训练好的改进Logistic回归分类器,进行滑牙判断.实验结果表明:在不同环境光照下测量直径5~8 mm的螺钉,采用本方法能很好地检测出是否滑牙,准确率可达95%以上,基本满足对螺钉滑牙检测的要求;同时,系统稳定可靠,有一定的抗干扰能力,当σ=0.01时本文改进Logistic回归分类算法迭代3步后即开始收敛,而传统方法需迭代151步;当σ=0.1时本文方法迭代35步后即开始收敛,而传统方法因学习率过大而发散.