基于PSO-SVM的機(jī)械零件表面缺陷智能分類應(yīng)用

打開文本圖片集

摘要：由于機(jī)械零件在生產(chǎn)過程中許多因素的影響，金屬工件的表面會(huì)出現(xiàn)不同類別的缺陷，進(jìn)而減少零件壽命，威脅工作人員的生命為解決機(jī)械零件表面缺陷圖像模糊和缺陷種類較多的問題，研究首先對(duì)采集的圖像進(jìn)行預(yù)處理，然后設(shè)計(jì)一種粒子群優(yōu)化算法改進(jìn)支持向量機(jī)模型（Particle Swarm Optimization Support VecIor Machine，PSO-SVM），最后構(gòu)建自制的金屬插頭數(shù)據(jù)集進(jìn)行應(yīng)用實(shí)驗(yàn)結(jié)果顯示，在訓(xùn)練過程中，PSO-SVM模型在迭代136次時(shí)損失即可收斂，且平均準(zhǔn)確率為0.989在實(shí)際應(yīng)用中，PSO-SVM模型在造代22次后就可到達(dá)目標(biāo)損失值，且分類準(zhǔn)確率最高為0.996，分類識(shí)別延時(shí)為47 ms綜上所述，PSO-SVM模型有較好的性能與適用性。（剩余689字）