出了一种基于HOG特征与支持向量机的分类方法,来代替目前人工检测光纤连接器中的胶体是否存在气泡。该方法先对视频中的胶体部分进行逐帧取样,根据样本制作正、负样本训练集以及测试集,接着选择适当的参数提取了训练集和测试集中胶体气泡HOG特征,并通过支持向量机来进行训练和测试统计的HOG特征,来识别胶体是否存在气泡。最后以人工识别为标准,并与本方法的分类结果进行验证。其实验结果表明该方法能够有效地将有、无气泡的样本进行分类,并在时间和人力上取得明显的优势。。(3)根据训练的结果对测试集进行测试，从而得出测试集的分类结果。3实验分析本次研究是基于Matlab开发环境气泡识别方法研究-电动折弯机数控滚圆机滚弧机张家港电动钢管滚圆机滚弧机，选择样本为采用353ND胶水进行注胶的光纤活动连接器。其中，353ND胶水是按一定比例调制混合，在80℃温度下经过15min确保达到固化。3．1实验设计(1)使用电子显微镜对样品采集一段视频本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com ，而后利用Matlab将该视频逐帧提取，撷取其中存在气泡的50帧图片作为正样本训练集，记为pos，再取其中不存在气泡的50帧图片作为负样本训练集，记为neg。训练集取样结果即如图2所示。接着从该视频中再取其它的50帧图片作为测试集，用于此后的训练结果验证。图2训练集取样Fig．2Trainingsetsample(2)对所有的图片进行预处理，将其图像大小归为统一。然后利用Matlab的extractHOGFeatures函数来提取每张图片的HOG特征。该函数中，参数cellsize取［88］，blocksize取［22］，numbins取9，即定义8*8个像素为一个细胞单元，2*2个细胞单元作为一个块，直方图通道为9。研究得到样本中的HOG特征描绘可如图3所示。图3样本HOG特征)使用函数对正、负样本图片的HOG特征进行SVM分类训练，且采用F函数作为核函数。(4)使用Matlab中的predict函数对测试样本进行预测分类。分类结果展示可详见图4。(a)正样本(b)负样本(图4预测结果Fig．4Predictingresults3．2实验结果分析为了验证本文方法的有效性，将以人工识别作为标准，与这50个测试样本的预测结果进行对比。研究内容可表述如下。(1)人工识别与SVM分类器正确率对比。对比结果可见表1。表1人工识别与SVM分类器正确率对比Tab气泡识别方法研究-电动折弯机数控滚圆机滚弧机张家港电动钢管滚圆机滚弧机本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com