基于PSO-SVM的机械零件表面缺陷智能分类应用

打开文本图片集

摘要：由于机械零件在生产过程中许多因素的影响，金属工件的表面会出现不同类别的缺陷，进而减少零件寿命，威胁工作人员的生命为解决机械零件表面缺陷图像模糊和缺陷种类较多的问题，研究首先对采集的图像进行预处理，然后设计一种粒子群优化算法改进支持向量机模型（Particle Swarm Optimization Support VecIor Machine，PSO-SVM），最后构建自制的金属插头数据集进行应用实验结果显示，在训练过程中，PSO-SVM模型在迭代136次时损失即可收敛，且平均准确率为0.989在实际应用中，PSO-SVM模型在造代22次后就可到达目标损失值，且分类准确率最高为0.996，分类识别延时为47 ms综上所述，PSO-SVM模型有较好的性能与适用性。（剩余689字）