基于蜂群单阈值分割和SRC理论的板材缺陷分类方法研究

摘要

实木板材被广泛应用于实木家具、地板加工等领域，实木板材常见活结、死结、裂纹、虫眼四大类是影响板材质量和等级的重要因素。如何有效检测识别分类板缺陷，是提高板材利用率的关键。传统板材缺陷检测主要依靠人工大致挑选、肉眼识别，这种方式检测标准不统一，受主观因素影响较大，且具有重复性。利用计算机视觉技术，提出一种新的智能的板材缺陷检测和分类方法，具有很重要的研究和生产意义。设计并开发基于计算机视觉的智能快速有效的在线检测和识别方法，为缺陷检测和板材等级分选提供了新的方法和思路。
　　本研究提出了基于改进蜂群单阈值分割和SRC的板材缺陷分类方法。基于蜂群单阈值求解最佳分割阈值阶段，每次迭代都会同时进行全局和局部搜索，并针对易陷入局部最优、早熟，全局搜索能力随着迭代次数逐渐减弱等问题，对传统蜂群算法优化改进。改进的蜂群算法中，在跟随蜂的搜索方程中加入时变搜索参数，使得跟随蜂搜索半径可以进行自适应的调整。当进行局部搜索时，半径随着迭代的继续，会自适应减小，当跳出局部搜索时，搜索半径会自适应调整增大。另外，对雇佣蜂转化为侦查蜂后，放弃当前最差蜜源选取策略的改变，增强搜索能力。在板材缺陷分类过程中，SRC被有效的应用在板材缺陷分类领域，该方法可以将缺陷分类问题转换为求最稀疏系数解的过程，大大减少了减少运算量，且有效提高缺陷分类准确率。通过实验验证，提出的改进蜂群算法的搜索能力得到了明显改善，收敛精度也得到了提高，可以有效的避免易陷入局部最优等缺点。求解出的最佳分割阈值，作为目标方程全局最优解，可以完成对板材缺陷的准确快速分割。利用主成分分析法选择彼此独立性较高的特征向量作为SRC分类的有效输入，可实现快速、准确率分类，准确率可以提高到90%以上，具有可靠性与可行性，且因为SRC分类是基于少量、彼此独立的稀疏向量实现的，因此具有较好的抗噪性，可以被广泛应用于板材加工生产中。

目录

1绪论

1.1研究背景和意义

1.2国内外研究现状

1.3本文的主要工作及研究过程

1.4本文的结构安排

2相关理论基础

2.1传统板材缺陷图像分割算法

2.2板材缺陷分类算法

2.3基本人工蜂群算法

2.4本章小结

3基于蜂群单阈值分割的SRC板材缺陷分类方法

3.1改进的蜂群单阈值板材缺陷分割方法

3.2板材特征提取和主成分降维

3.3基于SRC的板材缺陷分类算法

3.4本章小结

4实验设计与结果分析

4.1实验环境

4.2改进蜂群算法收敛性分析

4.3改进蜂群单阈值板材缺陷分割实验分析

4.4 SRC板材缺陷分类实验分析

4.5本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢

声明