检索结果-南通市图书馆

Defect Detection of Bamboo Strips Based on LBP and glcm Features by Using SVM Classifier

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Defect Detection of Bamboo Strips Based on LBP and GLCM Feat...

基于LSP与glcm方法的碎米识别特性研究

第30届中国控制与决策会议

作者： Hailan Kuang Yiran Ding Ruifang Li Xinhua Liu School of Information Engineering Wuhan University of Technology Key Laboratory of Fiber Optic Sensing Technology and Information Processing Wuhan University of Technology Ministry of Education

With the improvement of bamboo mat production, the higher requirements have been proposed for the using of bamboo strips which makes the defect detection of bamboo strips vital for mat quality. Various defects emerge in the bamboo strips will greatly affect product quality and reduce the productive efficiency. In fact, the defect detection of bamboo strips by manpower can not be guaranteed in terms of efficiency and quality, then forcing companies to work with automatic systems in this area. In this paper, we propose a method for defect detection of bamboo strips using a set of features based on LBP（Local Binary Pattern） and glcm（Gray-level Co-occurrence Matrix）. In the image preprocessing, we use the threshold algorithms to extract the region of interest（ROI）, and then the two algorithms are combined to detect the texture of the ROI region and finally the SVM classifier is used to classify the bamboo strips. Experimental results show that the algorithms have a good performance on defect detection. The accuracy of the classification is 97.76%, which can greatly improve the productive efficiency.

关键词： LBP glcm Defect Detection SVM

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

中国粮油学报 2023年第10期38卷 196-203页

作者：徐子龙杨柳肖轩范雨超罗洋李瑜裴后昌张永林武汉轻工大学机械工程学院武汉430023

随着农业机械化的不断推进,稻米加工过程中的碎米率逐步上升,碎米的快速准确识别对于大米加工与分级等具有重要意义,高效碎米识别方法的建立与应用是提高碎米的利用价值的有效途径。以米粒为研究对象,采用计算机视觉技术提取米粒特征,... 详细信息

随着农业机械化的不断推进,稻米加工过程中的碎米率逐步上升,碎米的快速准确识别对于大米加工与分级等具有重要意义,高效碎米识别方法的建立与应用是提高碎米的利用价值的有效途径。以米粒为研究对象,采用计算机视觉技术提取米粒特征,实现碎米自动分类识别。首先对米粒图像预处理,提取4维形状特征,利用局部相似模式(LSP)和灰度共生矩阵(glcm)提取米粒4维纹理特征,建立支持向量机(SVM)、线性判别分类器(LDA)、K近邻(KNN),随机森林(RF),4种机器学习方法训练碎米识别分类器进行分类识别,利用验证集数据分析各类分类器的性能特征。结果表明,基于纹理特征及形状特征的支持向量机分类器的碎米识别精度最高,正确率达到97.56%。

关键词：碎米图像识别 LSP glcm SVM

Improved Bearing Fault Diagnosis by Feature Extraction Based on glcm, Fusion of Selection Methods, and Multiclass-Naïve Bayes Classification

在线全文

学校读者我要写书评

暂无评论

Journal of Signal and Information Processing 2021年第4期12卷 71-85页

作者： Mireille Pouyap Laurent Bitjoka Etienne Mfoumou Denis Toko Energy Signal Imaging and Automation Laboratory (LESIA) University of Ngaoundere Yaounde Cameroon Division of Applied Research & Innovation Nova Scotia Community College Dartmouth Canada Department of Mechanical Engineering College of Technology University of Buea Buea Cameroon

The presence of bearing faults reduces the efficiency of rotating machines and thus increases energy consumption or even the total stoppage of the machine. It becomes essential to correctly diagnose the fault caused by the bearing. Hence the importance of determining an effective features extraction method that best describes the fault. The vision of this paper is to merge the features selection methods in order to define the most relevant featuresin the texture of the vibration signal images. In this study, the Gray Level Co-occurrence Matrix (GLCM) in texture analysis is applied on the vibration signal represented in images. Features selection based on the merge of PCA (Principal component Analysis) method and SFE (Sequential Features Extraction) method is done to obtain the most relevant features. The multiclass-Na?ve Bayesclassifier is used to test the proposed approach. The success rate of this classification is 98.27%. The relevant features obtained give promising results and are more efficient than the methods observed in the literature.

关键词： glcm PCA SFE Naïve Bayes Relevant Features

融合HOG和glcm特征的输送带撕裂在线检测方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

仪表技术与传感器 2022年第11期 108-112页

作者：曾飞赵玉凯欧宏日赵晨晨武汉科技大学冶金装备及其控制教育部重点实验室湖北武汉430081 武汉科技大学机械自动化学院湖北武汉430081

针对输送带表面信息复杂且难以在线准确监测的问题,提出一种融合HOG和glcm特征的输送带撕裂在线检测方法。首先,搭建了输送带撕裂在线检测系统,并设计了输送带撕裂检测流程。然后,对正常、划伤和撕裂3种不同输送带表面缺陷特征进行研究... 详细信息

针对输送带表面信息复杂且难以在线准确监测的问题,提出一种融合HOG和glcm特征的输送带撕裂在线检测方法。首先,搭建了输送带撕裂在线检测系统,并设计了输送带撕裂检测流程。然后,对正常、划伤和撕裂3种不同输送带表面缺陷特征进行研究,提出融合HOG和glcm特征的输送带撕裂检测算法。最后,根据撕裂在线检测系统的需求,设计出检测系统的上位机软件,搭建实验台,并开展相关实验。实验结果表明:融合HOG和glcm特征的输送带撕裂在线检测在小样本的情况下识别平均准确率为95.37%,单幅输送带图像识别率耗时为38.6 ms,优于HOG、glcm和LBP-glcm特征提取的识别准确率,能够满足输送带在线检测的需求。

关键词：带式输送机撕裂检测 HOG glcm 在线检测

基于glcm纹理特征的LiDAR点云建筑物自动提取

在线全文

学校读者我要写书评

暂无评论

测绘通报 2009年第11期 31-33,36页

作者：张皓黄艳杨洋邹晓亮信息工程大学测绘学院河南郑州450052

LiDAR技术可以快速获取高精度的地形表面三维点云数据。利用LiDAR点云进行建筑物自动提取时,有些建筑物与树木连在一起,有些区域还有大片树林,在此情况下,很难将二者区分开来。在没有其他辅助数据时,LiDAR点云中点的高程及其变化所表现... 详细信息

LiDAR技术可以快速获取高精度的地形表面三维点云数据。利用LiDAR点云进行建筑物自动提取时,有些建筑物与树木连在一起,有些区域还有大片树林,在此情况下,很难将二者区分开来。在没有其他辅助数据时,LiDAR点云中点的高程及其变化所表现出来的高程纹理特征是区分建筑物与树木的惟一可用特征。基于灰度级共生矩阵(gray level co-occurrence matrix,glcm)的纹理特征是对物体表面纹理很好的描述,对上述纹理特征进行分类,可以区分建筑物与树木。介绍基于glcm纹理特征的Li-DAR点云建筑物自动提取方法。实验结果证明,在没有辅助数据的情况下,该方法也能够自动提取出建筑物。

关键词： LiDAR glcm 建筑物提取分类

基于Hough变换和glcm的端铣表面粗糙度检测

在线全文

学校读者我要写书评

暂无评论

控制工程 2019年第4期26卷 645-651页

作者：闵莉王哲董帅沈阳建筑大学机械学院沈阳110168

研究基于计算机视觉的非接触式端铣表面粗糙度检测方法。通过图像采集系统获取端铣工件表面图像,并进行图像预处理。基于Hough变换旋转图像,提取特定方向下glcm的特征参数,较大程度缩短了计算时间。确定了适于表征端铣表面粗糙度的4个G... 详细信息

研究基于计算机视觉的非接触式端铣表面粗糙度检测方法。通过图像采集系统获取端铣工件表面图像,并进行图像预处理。基于Hough变换旋转图像,提取特定方向下glcm的特征参数,较大程度缩短了计算时间。确定了适于表征端铣表面粗糙度的4个glcm特征参数。采用BP神经网络算法研究纹理特征参数与粗糙度Ra之间的关系,构建粗糙度BP神经网络检测模型。实验表明,基于Hough变换的glcm纹理特征参数提取方法能快速实现粗糙度纹理特征的提取,而BP神经网络检测模型具有较好的预测效果,能够满足端铣表面粗糙度测量的精度要求。

关键词：表面粗糙度 Hough变换 glcm 纹理特征 BP神经网络

基于B-CLBP和glcm特征的纹理材质分类

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2020年第6期37卷 242-246页

作者：陈旭解天祺南京信息工程大学江苏南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044

随着虚拟现实的不断发展,力触觉装置对纹理图像分类的要求更高了,视觉纹理的不同也会影响力触觉装置的反馈情况。为达到触即有感的临场感,对纹理图像的识别效率提出了更高的要求。基于图像分类理论,提出一种基于局部二值模式(LBP)和灰... 详细信息

随着虚拟现实的不断发展,力触觉装置对纹理图像分类的要求更高了,视觉纹理的不同也会影响力触觉装置的反馈情况。为达到触即有感的临场感,对纹理图像的识别效率提出了更高的要求。基于图像分类理论,提出一种基于局部二值模式(LBP)和灰度共生矩阵(glcm)的纹理分类方法。对LBP算法进行优化,得到B-CLBP算子,在不增加特征维度的同时提高每一维的数据量,从而得到更精准的分类结果。在此基础上使用SVM分类器对纹理材质进行分类,实验结果表明,该算法在纹理材质分类方面具有良好的性能,并且较传统LBP更加优秀。

关键词： LBP glcm SVM分类器

基于Gabor-glcm工件表面纹理特征的刀具状态视诊

在线全文

学校读者我要写书评

暂无评论

组合机床与自动化加工技术 2019年第10期 60-64页

作者：王彤刘丽冰黄凤荣杨泽青张新建河北工业大学机械工程学院天津300130 天津工业大学机械工程学院天津300387

在铣削加工过程中,为实现在线不停机刀具磨破损的快速检测与预报,提出了一种基于 Gabor -glcm工件表面纹理特征的刀具状态视诊方法。首先采用Gabor滤波器虚部与工件纹理图像卷积并提取Gabor特征;然后在卷积图像上采用glcm提取二阶统计特... 详细信息

在铣削加工过程中,为实现在线不停机刀具磨破损的快速检测与预报,提出了一种基于 Gabor -glcm工件表面纹理特征的刀具状态视诊方法。首先采用Gabor滤波器虚部与工件纹理图像卷积并提取Gabor特征;然后在卷积图像上采用glcm提取二阶统计特征,将提取的特征向量串联,旋转规范化后得到刻画工件纹理的特征集;最后将旋转规范化特征集输入SVM训练分类模型,在实验采集的铣削工件表面纹理图像库中进行了测试。实验结果表明:该方法用时短,分类正确率高达98.667%,提高了刀具磨损状态监测的正确率和实时性。

关键词：铣削工件表面纹理 Gabor虚部 glcm 旋转规范化在线不停机

基于LBP和glcm的煤岩图像特征提取与识别方法

在线全文

学校读者我要写书评

暂无评论

煤矿安全 2020年第4期51卷 129-132页

作者：王超张强中国矿业大学(北京)机电与信息工程学院北京100083

针对煤矿开采工作面无人化要求,提出一种基于LBP和glcm的煤岩图像特征提取与识别方法。采用LBP算法判断煤块与岩石纹理存在差异性,然后通过glcm实现煤块与岩石图像在水平、直角、45°、135°方向上的灰度共生矩阵,并完成对能量、熵值、... 详细信息

针对煤矿开采工作面无人化要求,提出一种基于LBP和glcm的煤岩图像特征提取与识别方法。采用LBP算法判断煤块与岩石纹理存在差异性,然后通过glcm实现煤块与岩石图像在水平、直角、45°、135°方向上的灰度共生矩阵,并完成对能量、熵值、对比度、逆差分矩等4个煤岩图像纹理特征参数提取。试验表明:LBP算法在检测煤块与岩石局部纹理特征差异的过程中,具有一定的高效性,但存在不足,后续通过glcm提取的煤岩图像特征参数,可以找到适用于煤岩分类的特征参数,增加煤岩识别的鲁棒性。

关键词：无人开采煤岩图像特征 LBP glcm 纹理差异性