權利要求書： 1.一種基于機器視覺的風機葉片缺陷自診斷定位方法，其特征是該方法包括如下步驟：步驟1：通過視覺傳感器獲取風機葉片各種缺陷樣本圖像集，對樣本圖像人工分類，為后續判斷分類器的正確率提供依據；步驟2：對步驟1采集到的圖像樣本數據集中的缺陷特征及噪聲進行分析，采用中值濾波，在很好地保留了目標邊緣特征的同時去除圖像中大部分噪聲；步驟3：根據步驟2獲得的去噪后的圖像樣本集，采用閾值法將樣本集中圖像的目標區域完整的分割出來，然后運用Blob分割算法度量圖像中連通區域的形心、邊界盒、面積屬性來對物體的檢測區域進行分析和處理，并標記缺陷位置；步驟4：根據步驟3獲得的缺陷特征樣本集，依據樣本特性創建基于顆粒特征向量的分類器，采用支持向量機對樣本集合進行訓練，得到準確度較高的分類器；步驟5：將不同缺陷類別圖像作為輸入，可以快速準確地實現風機葉片的缺陷分類及定位；其特征是步驟3的具體步驟為：步驟3.1：首先根據濾波后樣本集直方圖設置灰度值閾值，采用閾值分割法分離圖像前景和背景，獲得二值圖像；步驟3.2：對步驟3.1獲得的二值圖像采用形態學方法，進行閉運算消除小的孤立噪聲的同時獲得葉片表面缺陷連通區域；步驟3.3：根據驟3.2獲得圖像目標像素，統計出目標圖像中滿足葉片缺陷條件的Blob數目，并對圖像中每個Blob進行標記；步驟3.4：Blob信息提取，采用Blob線處理方法獲取連通區域的幾何特征，即連通區域的線段邊界點、最小外接矩形及形心位置，最后計算獲得風機缺陷位置坐標。2.如權利要求1所述的一種基于機器視覺的風機葉片缺陷自診斷定位方法，其特征是步驟4的具體步驟為：步驟4.1：對由步驟3獲得的圖像缺陷樣本，分別取它們的面積特征、圓度因子、細長度特征以及孔洞數作為目標特征，計算樣本集的各特征參數；步驟4.2：基于步驟4.1獲得的樣本集各特征參數的非線性特性，選用非線性內核函數，將各特征參數數據映射到高維空間中使樣本數據變成線性；步驟4.3：求解特性空間中的最優分類函數，得到最優分類模型；步驟4.4：選用葉片缺陷訓練樣本集，經步驟3特征提取后，輸入SM分類器，依據分類結果測試分類器的可靠性。 說明書： 一種基于機器視覺的風機葉片缺陷自診斷定位方法技術領域[0001] 本發明涉及的是一
聲明：
“基于機器視覺的風機葉片缺陷自診斷定位方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業用途，請聯系該技術所有人。
我是此專利(論文)的發明人(作者)
618
編輯：中冶有色網
來源：東華理工大學
分享 0
舉報 0
收藏 0
反對 0
點贊 0
2025年07月23日 ~ 26日 
