论文部分内容阅读
传统滤光片外观缺陷人工检测方法不能满足实际生产的需要，提高滤光片外观检测效率已成为行业亟需解决的问题。本文以“基于联合信息熵特征选择的滤光片外观缺陷检测研究”为题，研究基于联合信息熵特征选择的滤光片外观缺陷检测方法及其关键技术，这对滤光片外观缺陷检测技术应用和发展，将具有重要的学术价值和实际意义。本文研究工作得到了广东省产学研项目（01562080172294053）的资助。论文对滤光片外观缺陷检测技术指标进行概述，总结外观缺陷视觉检测、特征选择算法、模式分类技术的国内外研究进展，分析滤光片缺陷检测的总体需求，提出基于联合信息熵特征选择(JIEFS)的滤光片外观缺陷检测框架。主要工作包括：⑴针对滤光片外观缺陷检测功能需求，提出利用视觉检测的解决方案，设计滤光片外观缺陷视觉检测总体架构、设计各部分功能、深入分析其关键技术。根据滤光片缺陷图像特点，设计缺陷图像预处理流程、提出利用混合型特征选择模型选择滤光片缺陷特征并训练分类器；⑵针对现有基于信息论的特征选择算法只考虑单个特征与类别的相关性，利用归一化互信息对称不确定性作为度量标准，提出一种JIEFS算法，探讨多个缺陷特征与类别之间的相关性。通过10个数据集验证JIEFS算法的性能，并将其与典型的基于信息论的特征选择算法BIF、MIFS、FCBF进行对比分析；⑶探讨基于支持向量机(SVM)的多分类系统机理，提出适用于滤光片外观缺陷分类的DAG-SVM多分类方案。研究SVM核函数参数最优化选择问题，并采用交叉验证法设计SVM的核函数参数；⑷基于检测平台架构和光学系统硬件结构的分析基础上，选择CCD工业相机、镜头和光源等硬件设备，测试滤光片缺陷检测整体算法的可行性。相关实验结果表明，在10个数据集上JIEFS算法比BIF、MIFS、FCBF算法的分类性能分别提高2.53%、3.05%、1.84%，且算法适用于大样本、具有快速选择最相关特征的优点。设计的基于JIEFS的滤光片缺陷检测方法能正确识别滤光片的4类缺陷，包括点、印子、划痕、崩，且其缺陷识别正确率为100%。