公开(公告)号：CN109509180B

公开(公告)日：2021-12-10

申请号：CN201811243941.2

申请日：2018-10-24

Applicant: 东华大学

Inventor： 胥蕾蕾 ,  孙韶媛 ,  王宇岚 ,  卜德飞 ,  刘浩

IPC: G06T7/00 ,  G06K9/62

Abstract: 本发明涉及一种基于机器视觉的金属纽扣瑕疵检测方法，其特征在于，包括以下步骤：步骤1、利用训练数据集对ELM‑SRC模型进行训练；步骤2、将实时获得的实时金属纽扣图像输入训练后的ELM‑SRC模型，判断当前的金属纽扣是否有瑕疵。本发明应用于工业生产的纽扣的瑕疵检测领域，首先提出了专门针对金属纽扣采集后图像的预处理流程，包括去反光、提取边缘信息、降维等。其次在ELM的二分类网络上做出了如下的改进，加上正则化项，并用5‑flod交叉验证优化正则化参数。ELM与稀疏编码网络进行级联，实现了对高噪声纽扣的二次分类，在保证准确率的同时，降低了仅使用SRC网络的计算复杂度，提升了ELM网络模型的鲁棒性。

公开(公告)号：CN109509180A

公开(公告)日：2019-03-22

申请号：CN201811243941.2

申请日：2018-10-24

Applicant: 东华大学

Inventor： 胥蕾蕾 ,  孙韶媛 ,  王宇岚 ,  卜德飞 ,  刘浩

IPC: G06T7/00 ,  G06K9/62

Abstract: 本发明涉及一种基于机器视觉的金属纽扣瑕疵检测方法，其特征在于，包括以下步骤：步骤1、利用训练数据集对ELM-SRC模型进行训练；步骤2、将实时获得的实时金属纽扣图像输入训练后的ELM-SRC模型，判断当前的金属纽扣是否有瑕疵。本发明应用于工业生产的纽扣的瑕疵检测领域，首先提出了专门针对金属纽扣采集后图像的预处理流程，包括去反光、提取边缘信息、降维等。其次在ELM的二分类网络上做出了如下的改进，加上正则化项，并用5-flod交叉验证优化正则化参数。ELM与稀疏编码网络进行级联，实现了对高噪声纽扣的二次分类，在保证准确率的同时，降低了仅使用SRC网络的计算复杂度，提升了ELM网络模型的鲁棒性。