买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东瑞永密封制品有限公司

摘要：本发明公开了橡胶密封圈多类表面缺陷分类定位方法，包括以下步骤：步骤1：图像预处理；步骤2:高斯微分线束检测，在预处理后的图像上，以识别可能存在缺陷的线束区域；通过Hessian矩阵增强图像特征，便于识别细微缺陷；步骤3:方向敏感滤波，对线束检测后的图像，增强特定方向的线束纹理，进一步增强图像中特定方向的特征，为缺陷分类提供更多信息；步骤4:局部特征提取与多尺度融合，基于上述步骤的输出，提取局部特征，并结合多尺度线束信息，获取丰富的特征数据，为后续的分类模型提供输入；步骤5:SVM模型训练，训练支持向量机模型，通过优化分类和定位的损失函数，提高模型的准确性和鲁棒性；步骤6:类别预测与位置回归。

主权项：1.橡胶密封圈多类表面缺陷分类定位方法，其特征在于：包括以下步骤：步骤1:图像预处理进行图像预处理，以增强缺陷区域和正常区域之间的视觉对比度，消除噪声并保护图像边缘，为后续步骤提供更清晰的图像；步骤2:高斯微分线束检测在预处理后的图像上，以识别可能存在缺陷的线束区域；通过Hessian矩阵增强图像特征，便于识别细微缺陷；步骤3:方向敏感滤波对线束检测后的图像，增强特定方向的线束纹理，进一步增强图像中特定方向的特征，为缺陷分类提供更多信息；步骤4:局部特征提取与多尺度融合基于上述步骤的输出，提取局部特征，并结合多尺度线束信息，获取丰富的特征数据，为后续的分类模型提供输入；步骤5:SVM模型训练训练支持向量机模型，通过优化分类和定位的损失函数，提高模型的准确性和鲁棒性；步骤6:类别预测与位置回归使用训练好的SVM模型对检测图像进行缺陷类别预测，并给出具体区域位置；实现精确的缺陷分类与定位，为后续的质量控制和追溯提供依据；所述步骤1采用算法1进行图像预处理，具体算法公式如下： 其中，Fx,y为处理后的图像在位置x,y的像素值；fi,j为原始图像在位置i,j的像素值；σ为控制高斯滤波的平滑程度的参数；β为控制边缘保持强度的参数；Zx,y为归一化因子，确保处理后的像素值在合理范围内；为高斯函数，用于平滑图像，减少噪声影响；为Sigmoid函数，用于保持边缘信息；所述步骤2采用算法2，具体算法公式如下： 其中，Δf为拉普拉斯算子，用于测量图像在点x,y的弯曲程度；fxx,fyy,fxy为图像在点x,y的二阶偏导数，分别代表图像在x方向、y方向以及xy混合方向的曲率；λ1,λ2为调整参数，用于控制偏导数对最终结果的贡献；所述步骤3采用算法公式3，具体算法公式如下： 其中，Gx,y为处理后的图像在位置x,y的像素值；σ为控制高斯滤波的平滑程度的参数；k为波数，与纹理的频率相关；θ为方向角，决定了滤波器增强的方向；为普朗克常数，引入量子力学概念；m为粒子质量，用于调节量子力学因子；ω为角频率，与纹理的周期性相关；为高斯函数，用于局部平滑图像，减少噪声影响；eikxcosθ+kysinθ为复指数函数，代表波的传播，用于增强特定方向的特征，i表示复数的虚部；为量子力学中的因子，用于调制波的幅度；所述步骤4采用算法公式4，具体算法公式如下： 其中，Fmultix,y为多尺度融合后的特征表示；S,T为尺度和特征类型的数量；Ws,t为权重因子，用于平衡不同尺度和特征类型的贡献；γ,α,δ为调节参数，用于控制非线性变换的强度；Gs,tx,y为在尺度s和特征类型t下的Gabor滤波响应；Hs,tx,y为在尺度s和特征类型t下的Hessian矩阵响应；输入：经步骤3处理的图像的像素数据；输出：多尺度融合特征表示；具体过程如下：初始化参数：设定S,T,γ,α,δ和ws,t；多尺度特征提取：对每个尺度s和特征类型t,提取Gabor滤波和Hessian矩阵响应；特征融合：将不同尺度和类型的特征通过加权和非线性变换进行融合；生成特征表示：形成最终的多尺度融合特征表示Fmultix,y。

全文数据：

权利要求：

百度查询： 广东瑞永密封制品有限公司 橡胶密封圈多类表面缺陷分类定位方法