首页> 中文期刊> 《传感器与微系统》 >基于SVM特征点分类的机器视觉外螺纹参数检测

基于SVM特征点分类的机器视觉外螺纹参数检测

         

摘要

针对传统外螺纹检测方法工作效率低,且难以满足大批量、在线检测等要求的问题,通过机器视觉技术、数字图像处理技术并融合机器学习,提出一种基于角点检测算法的更加高效、精确检测外螺纹参数的非接触式检测方法.通过电荷耦合器件(CCD)相机获取螺纹图像,进行图像处理后,提取图像中的轮廓函数以及角点坐标等有效信息,并通过支持向量机(SVM)进行点集分类操作.通过数据分析,从而达到对螺纹螺距、中径、大径、小径和牙型角参数的测量,达到了控制螺纹加工质量的目的.测试结果表明:每分钟可完成200个螺纹件的参数检测,即检测速度达到3.3个/s,检测精度达到0.001 mm.

著录项

  • 来源
    《传感器与微系统》 |2019年第4期|121-124|共4页
  • 作者

    张昊; 金冠; 蒋毅; 曹俊;

  • 作者单位

    江南大学机械工程学院江苏省食品先进制造装备技术重点实验室;

    江苏无锡214122;

    江南大学机械工程学院江苏省食品先进制造装备技术重点实验室;

    江苏无锡214122;

    江南大学机械工程学院江苏省食品先进制造装备技术重点实验室;

    江苏无锡214122;

    江南大学机械工程学院江苏省食品先进制造装备技术重点实验室;

    江苏无锡214122;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类
  • 关键词

    螺纹检测; 机器视觉; 参数检测; 支持向量机;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号