[发明专利]基于空间粒子自动吸引算法进行参数寻优的缺陷检测方法

权利要求书

1.一种基于空间粒子自动吸引算法进行参数寻优的缺陷检测方法，其特征在于，包括以下步骤：

第1步骤、采集若干工件图像；

第2步骤、对缺陷位置进行分块，采用s层小波分解的方式对每个区域的图像进行逐层二维小波分解，提取其小波分解系数，s∈[1,5]的正整数，之后将第s层小波分解后的小波分解系数拼接特征向量；

第3步骤、计算出所有图像相同区域的特征向量；

第4步骤、划分训练集和测试集，训练集训练分类器，测试集验证分类器：将所有图像同一区域的特征向量整理后作为数据集，以1：1的比例将数据集划分为训练集和测试集，将训练集和测试集分别放入分类器中进行训练，训练集训练分类器，测试集验证分类器，分类器选用支持向量机svm；

第5步骤、使用空间粒子自动吸引算法对支持向量机svm的参数进行寻优，并训练支持向量机svm；

第6步骤、输出分类器模型：得到训练完毕后的支持向量机svm后，按照第1步骤到第4步骤处理新拍摄的图像，得到其特征向量，之后输入到支持向量机svm中进行分类；

所述第5步骤的具体步骤如下：

第5.1步骤、生成混沌序列：确定解空间，并通过解的数目和维数确定空间中粒子的数目和维数；

第5.2步骤、随机生成粒子：设置各个粒子初始位置以及总迭代次数；

第5.3步骤、计算粒子适应度：将粒子带入要解决的问题中，计算粒子适应度，更新系数G、best和wrost；

第5.4步骤、更新粒子加速度：计算粒子受力，计算粒子在力作用下的加速度；

第5.5步骤、更新粒子速度、质量，使用混沌值对速度加权，计算粒子在力作用下的速度；

第5.6步骤、根据速度更新粒子位置：根据第5.4步骤和第5.5步骤中的结果以及运动学公式计算粒子新的位置；

第5.7步骤、重复上述步骤，达到最大迭代次数；

第5.8步骤、结束空间粒子自动吸引算法；

所述第5.4步骤中粒子受力的计算公式如下：

其中，表示第i个粒子；表示粒子的第j维度；表示在第ｔ次迭代中，第i个粒子在第j维度的受力；表示迭代次数；表示维度相关；表示万有引力常数；表示引力质量；表示第j维度产生引力场的强弱，称为主动引力质量；表示第i粒子处于引力场时受到的引力大小，称为被动引力质量；表示第i个粒子到第j维度的欧氏距离；表示当前粒子在某个维度的距离；表示第i个粒子的位置状态；表示第j维度的位置状态；

其中，表示第i个粒子受到的合力；表示维度数量；表示从[0,1]中取的随机数。

2.根据权利要求1所述的基于空间粒子自动吸引算法进行参数寻优的缺陷检测方法，其特征在于：所述第1步骤的具体步骤如下：

第1.1步骤、通过工业相机采集若干工件图像，其中包含存在缺陷工件图像与完好工件图像；

第1.2步骤、对所有图像进行灰度化，即将所有工件彩色图像转化为工件灰度图像；

第1.3步骤、对所有图像进行去均值化和归一化：计算所有图像的像素值的均值，每张图像的所有像素点的像素值减去这个均值，完成样本的去均值化，以凸显不同图像中的差异区域。

3.根据权利要求1所述的基于空间粒子自动吸引算法进行参数寻优的缺陷检测方法，其特征在于：所述第2步骤的具体步骤如下：

第2.1步骤、将每张图像按照m行n列划分为m*n个区域块；

第2.2步骤、使用离散小波变换对于区域中的图像进行5层小波分解。

4.根据权利要求1所述的基于空间粒子自动吸引算法进行参数寻优的缺陷检测方法，其特征在于：所述第4步骤的具体步骤如下：

第4.1步骤、将第5层分解的小波分解系数拼接起来作为特征向量；

第4.2步骤、将不同图像同一区域的小波分解系数生成的特征向量整理起来，组成数据集；

第4.3步骤、使用支持向量机svm对小波分解系数进行训练分类，支持向量机svm的核函数选用径向基核函数。