[發明專利]一種基于SVM和Hog的汽車鈑金件檢測裂紋識別系統

在審

• 申請號: 201810715062.9
• 申請日: 2018-07-03
• 公開（公告）號: CN108960325A
• 公開（公告）日: 2018-12-07
• 發明（設計）人: 李振書
• 申請（專利權）人: 柳州市木子科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于SVM和Hog的汽車鈑金件檢測裂紋識別系統，具體檢測流程如下：首先采用hog提取圖片特征；然后采用SVM預測圖片label；確認檢測件是否合格。相比其他算法，hog提取特征有以下優點：首先由于HOG是在圖像的局部方格單元上操作，所以它對圖像幾何的和光學的形變都能保持很好的不變性，這兩種形變只會出現在更大的空間領域上；其次在粗的空域抽樣、精細的方向抽樣以及較強的局部光學歸一化等條件下，只要實體姿勢，可以容許行人有一些細微的肢體動作，這些細微的動作可以被忽略而不影響檢測效果。本發明通過Hog提取圖像特征，然后采用SVM進行分類，最終確定產品是否合格，可以保證高的準確率，提高檢測效率，減少人工工作量，降低公司的成本。

技術領域

本發明涉及一種基于汽車鈑金件檢測裂紋識別系統，特別涉及一種基于SVM和Hog的汽車鈑金件檢測裂紋識別系統，屬于汽車檢測技術領域。

背景技術

汽車鈑金件: 汽車鈑金件是汽車上必不可少的零部件，鈑金件是汽車白車身的組成部分，每輛汽車都使用了至少上百種不同的鈑金件，在汽車上發揮著非常重要的作用，其質量問題直接影響到汽車的安全、整車質量及主機廠的生產節拍。

汽車鈑金件檢測：針對每個汽車鈑金件產品，需要檢測是外輪廓大小、孔數尺寸、角度以及表面裂紋等，這些都可以通過檢測鈑金件的圖像，歸圖像進行分類，確定其是否合格。可以將這些問題轉化為圖像二分類問題。

SVM：全稱為支持向量機(Support Vector Machine)，是一個有監督的學習模型，通常用來進行模式識別、分類、以及回歸分析。它主要思想可以概括為兩點它是針對線性可分情況進行分析；對于線性不可分的情況，通過使用非線性映射算法將低維輸入空間線性不可分的樣本轉化為高維特征空間使其線性可分，從而使得高維特征空間采用線性算法對樣本的非線性特征進行線性分析成為可能。該系統中主要用來確定圖片是否合格。

Hog: 方向梯度直方圖（Histogram of Oriented Gradient, HOG）特征是一種在計算機視覺和圖像處理中用來進行物體檢測的特征描述。HOG通過計算和統計圖像局部區域的梯度方向直方圖來構成特征。

人工檢測的問題有以下幾點：耗時過長，效率低下；容易出現漏檢和誤檢；專業技能檢測人員需求較大；檢測人員勞動強度很大；無檢測過程數據，無法反映生產過程數據。

發明內容

本發明要解決的技術問題是克服現有技術的的缺陷，提供一種基于SVM和Hog的汽車鈑金件檢測裂紋識別系統。

為了解決上述技術問題，本發明提供了如下的技術方案：

本發明提供了一種基于SVM和Hog的汽車鈑金件檢測裂紋識別系統，具體檢測流程如下：

1）采用hog提取圖片特征；

2）采用SVM預測圖片label；確認檢測件是否合格。

作為本發明的一種優選技術方案，Hog提取特征方法如下：

1）色彩和伽馬歸一化

為了減少光照因素的影響，首先需要將整個圖像進行規范化（歸一化），在圖像的紋理強度中，局部的表層曝光貢獻的比重較大，所以，這種壓縮處理能夠有效地降低圖像局部的陰影和光照變化；

2）計算圖像梯度

計算圖像橫坐標和縱坐標方向的梯度，并據此計算每個像素位置的梯度方向值；求導操作不僅能夠捕獲輪廓，人影和一些紋理信息，還能進一步弱化光照的影響；

最常用的方法是：簡單地使用一個一維的離散微分模板在一個方向上或者同時在水平和垂直兩個方向上對圖像進行處理，更確切地說，這個方法需要使用濾波器核濾除圖像中的色彩或變化劇烈的數據；

3）構建方向的直方圖