[发明专利]一种基于支持向量机的混凝土智能振捣方法

权利要求书

1.一种基于支持向量机的混凝土智能振捣方法，其特征在于，包括以下步骤：

S10、采集人工振捣模式漏振、缺振及振捣适度状态下振捣棒周围混凝土图像，并以此为样本进行支持向量机训练；

S20、通过泵送设备将混凝土卸料至施工区域；

S30、启动振捣电机，同时摄像头启动，采集振捣过程中混凝土图像，实时上传至计算机；

S40、将混凝土图像输入至步骤S10中训练完成的支持向量机模型，获取实时混凝土振捣图像在支持向量机训练空间中的位置；

S50、持续振捣，直至实时混凝土振捣图像在支持向量机训练空间中位于适度振捣区域，关闭振动电机，缓慢拔出振捣棒，进行下一区域混凝土振捣。

2.根据权利要求1所述的基于支持向量机的混凝土智能振捣方法，其特征在于，步骤S10中的支持向量机训练包括以下步骤：

S11、将步骤S10中采集的图像分为训练组与测试组，分别占图像总数80％与20％；

S12、分别计算训练组与测试组图像0°、45°、90°、135°方向灰度共生矩阵，归一化得到灰度共生矩阵特征向量；

S13、分别计算训练组与测试组归一化图像方向梯度特征向量；

S14、联立图像方向梯度特征向量与灰度共生矩阵特征向量，得到支持向量机特征向量；

S15、定义训练组图像支持向量机特征值，漏振、缺振图像该值为1，适度振捣图像特征值为-1；

S16、构建训练空间，训练空间的维数与支持向量机特征向量的维数相同；

S17、根据支持向量机特征向量分量，确定训练组图像在训练空间的位置，例如某图片对应支持向量机特征向量为(1，2，3，4，5，6)^T，则在训练空间中该图像位于(1，2，3，4，5，6)；

S18、在训练空间内构件超平面f(x)＝w^Tx_i+b,式中w^T为超平面的法向量，b为超平面相对原点的偏置，x_i为超平面自变量，自变量形式为[x1,x2,x3……xn]，自变量分量的个数与支持向量机特征向量维数相同；

S19、求解在约束条件yi(w^Tx_i+b)≥1下，达到最大值时对应的超平面的法向量w^T、超平面相对原点的偏置b，||w||为超平面法向量二阶范数，yi为图像支持向量机特征值，漏振、缺振图像该值为1，适度振捣图像特征值为-1；此时求得的超平面可将训练空间分为两个部分，图像支持向量机特征值为1和-1的图像在训练空间中的位置被超平面分隔；

S110、验证训练空间内超平面分隔效果，计算测试组图像支持向量机特征向量，并以此确定其在训练空间中的位置，测试组图像包括漏振、缺振图像与适度振捣图像，若测试组图像在训练空间中位置与被超平面分隔为两部分，则完成支持向量机训练，若测试组图像不满足该条件，则训练失效或训练精度不足，此时应增加训练组与测试组图像个数，重新进行支持向量机训练。