高级检索

  • ISSN 1006-3080
  • CN 31-1691/TQ

基于改进多类支持向量机的印刷缺陷检测

胡方尚 郭慧

胡方尚, 郭慧. 基于改进多类支持向量机的印刷缺陷检测[J]. 华东理工大学学报(自然科学版), 2017, (1): 143-148. doi: 10.14135/j.cnki.1006-3080.2017.01.022
引用本文: 胡方尚, 郭慧. 基于改进多类支持向量机的印刷缺陷检测[J]. 华东理工大学学报(自然科学版), 2017, (1): 143-148. doi: 10.14135/j.cnki.1006-3080.2017.01.022
HU Fang-shang, GUO Hui. Printing Defects Inspection Based on Improved Multi-Class Support Vector Machine[J]. Journal of East China University of Science and Technology, 2017, (1): 143-148. doi: 10.14135/j.cnki.1006-3080.2017.01.022
Citation: HU Fang-shang, GUO Hui. Printing Defects Inspection Based on Improved Multi-Class Support Vector Machine[J]. Journal of East China University of Science and Technology, 2017, (1): 143-148. doi: 10.14135/j.cnki.1006-3080.2017.01.022

基于改进多类支持向量机的印刷缺陷检测

doi: 10.14135/j.cnki.1006-3080.2017.01.022
详细信息
  • 中图分类号: TP391

Printing Defects Inspection Based on Improved Multi-Class Support Vector Machine

  • 摘要: 针对印刷品缺陷检测问题,为了对缺陷位置、形状、类型等信息进行有效的识别和分析,提出了一种基于改进多类支持向量机的印刷缺陷检测方法。首先根据人眼视觉特性,将配准后的印刷图像通过基于动态阈值的差分运算,快速地得到二值缺陷图像;然后采用由缺陷几何特征和形状特征构成的特征向量对缺陷信息进行分析和描述;最终通过改进的多类支持向量机实现印刷缺陷的准确识别。实验结果表明,相对于一对一型支持向量机(OVOSVM)和一对多型支持向量机(OVRSVM),在实际训练样本较少的情况下,该方法具有检测速度快、识别准确率高的特点,能够有效解决印刷品缺陷检测问题。

     

  • [1] 张媛.基于DSP的印刷品质量检测系统研究[J].淮海工学院学报,2014(1):11-14.
    [2] LUO J,ZHANG Z.Automatic colour printing inspection by image processing[J].Journal of Materials Processing Technology,2003,139(1):373-378.
    [3] MEHENNI B,WAHAB M A.APRIS:Automatic pattern recognition and inspection system[J].Computers in Design,Manufacturing and Production,1993(5):23-28.
    [4] 徐敏,唐万有,马千里,等.基于Blob算法的印刷缺陷在线检测的研究[J].包装工程,2011(9):20-23.
    [5] 吴鹏.数字印刷品质量检测与评价方法[J].印刷技术,2015(9):33-35.
    [6] 王锋,阮秋琦,徐金强.基于动态阈值和分层检测的图像缺陷识别算法的研究与应用[J].北京交通大学学报,2002,26(1):19-22.
    [7] LIRA J,MALETTI G.A supervised contextual classifier based on a region-growth algorithm[J].Computers & Geosciences,2002,28(8):951-959.
    [8] HASSOUN M H,INTRATOR N,MCKAY S,et al.Fundamentals of Artificial Neural Networks[M].Massachusetts,USA:MIT Press,2010:906.
    [9] HSU C W,LIN C J.A comparison of methods for multi-class support vector machine[J].IEEE Transaction on Neura1 Network,2002,13(2):415-425.
  • 加载中
计量
  • 文章访问数:  2155
  • HTML全文浏览量:  212
  • PDF下载量:  339
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-06-29
  • 刊出日期:  2017-03-02

目录

    /

    返回文章
    返回