具有自学习功能的触点零件视觉检测系统

摘要

针对形状复杂、型式多样的触点类元件自动检测问题,设计了一种具有自学习功能的智能视觉检测系统.该系统分为自学习和检测2个过程,通过对一定数量的学习样本提取包括几何、纹理及结构特征在内的大量基础特征矢量,使用信息论进行特征选择和变换,形成一组能够使类间尽可能分开的新的特征矢量—典型变量,并将这些特征应用支持向量机(SVM)来训练识别算法.实验结果表明,该系统能够适应触点类复杂零件检测,且检测准确率高,能够满足智能检测和工程实时性要求.