基于特征加權單類支持向量機的顏色識別算法及其在異色物檢測中的研究.pdf

1、異色物檢測技術是用來將混入正常物料中的異色物檢測出來，取代傳統(tǒng)的人工分揀方式。該技術實現(xiàn)異色物剔除的智能化，極大提高了異色物分揀的效率和穩(wěn)定性，對提高產(chǎn)品質量和提升企業(yè)競爭力有十分重要的意義。異色物檢測技術具有非常強的可移植性，稍加改變就可應用在工業(yè)、農(nóng)業(yè)、軍事等領域。
　　 本文對異色物檢測問題進行了深入的分析，建立了針對異色物的模式識別模型。傳統(tǒng)圖像分割方式，并不能得到對異色物檢測有效的特征，而且算法耗時時間長。同時為了實現(xiàn)

2、異色物快速定位，圖像被分割成若干個判別單元，根據(jù)判別單元的整體色度特征，判定該單元是否含有異色物。異色物檢測問題被轉化為單元屬性的判別問題。在實際生產(chǎn)中異色物種類具有很大的隨機性，形狀、大小等特征不太合適，而顏色是一幅圖像最簡單而有效的特征。綜合多種因素，我們利用顏色矩方法分別在RGB和HSI空間提取特征。通過實驗發(fā)現(xiàn)，以判別單元的H均值、I均值和I標準差為特征，檢測效果好。
　　 傳統(tǒng)的分類問題，每類樣本都大致分布在某個范圍，

3、故任意選取的樣本能夠代表其所屬類的屬性。但是本文研究的問題中，目標顆粒的特征分布相對穩(wěn)定，而異色物出現(xiàn)的種類不可預測，導致其特征很分散。因此選取的異色物樣本無法代表該類的特征分布，該現(xiàn)象為典型的單類問題。因此本文選用單類支持向量機(OCSVM)設計分類器。單類支持向量機算法假設所有特征有相同的重要性，然而實際樣本中包含著與目標函數(shù)弱相關特征在一定程度上影響分類器的推廣能力，因此考慮特征加權，提出了特征加權單類支持向量機(FWOCSVM)