[发明专利]用于识别车削零件表面粗糙度等级的有效特征的确定方法

权利要求书

1.一种用于识别车削零件表面粗糙度等级的有效特征的确定方法，包括：

生成车削零件表面图像集，所述车削零件表面图像集包括多个对应不同表面粗糙度等级的表面图像子集，每个表面图像子集包括多张车削零件表面图像，每张车削零件表面图像与其所属表面图像子集对应的表面粗糙度等级一致；

基于预设的特征类型集，对所述车削零件表面图像集中的每张车削零件表面图像进行图像特征提取，以获取对应的图像特征数据，所述特征类型集包括多种图像特征类型；

对所述特征类型集中每种图像特征类型，分别构建对应的支持向量机分类模型并进行训练；

将所述图像特征数据输入到对应的训练好的支持向量机分类模型中处理，根据处理情况计算模型评价指标；

根据所述模型评价指标，从所述特征类型集中确定用于识别车削零件表面粗糙度等级的有效特征。

2.如权利要求1所述的方法，其中，所述生成车削零件表面图像集的步骤，包括：

获取多张不同表面粗糙度等级的车削零件表面的拍摄图像；

对每张拍摄图像进行预处理，以获取所述拍摄图像对应的多张车削零件表面图像；

将相同表面粗糙度等级的各车削零件表面图像归类为同一表面图像子集，并集合多个表面图像子集形成车削零件表面图像集。

3.如权利要求2所述的方法，其中，所述对每张拍摄图像进行预处理，以获取所述拍摄图像对应的多张车削零件表面图像的步骤，包括：

对每张拍摄图像，去除标记区域，以提取出车削区域图像；

对每张车削区域图像进行等像素切割，对应生成多张车削零件表面图像。

4.如权利要求1-3中任一项所述的方法，其中，所述对所述特征类型集中每种图像特征类型，分别构建对应的支持向量机分类模型并进行训练的步骤，包括：

对所述特征类型集中每种图像特征类型，分别构建对应的支持向量机分类模型；

以所述图像特征类型关联的图像特征数据为所述支持向量机分类模型的输入，以所述图像特征数据关联的表面粗糙度等级为所述支持向量机分类模型的输出，对所述支持向量机分类模型进行训练。

5.如权利要求1-4中任一项所述的方法，其中，图像特征类型包括灰度直方图特征、灰度共生矩阵特征、局部二值模式特征、方向梯度直方图特征和几何不变矩特征中至少一种。

6.如权利要求1-5中任一项所述的方法，其中，所述支持向量机分类模型的核函数包括线性核函数、多项式核函数、高斯核函数中至少一种。

7.如权利要求1-7中任一项所述的方法，其中，所述模型评价指标包括准确率、宏平均精确率、宏平均召回率、宏平均调和平均数和分类时间。

8.一种用于识别车削零件表面粗糙度等级的有效特征的确定模块，包括：

生成单元，适于生成车削零件表面图像集，所述车削零件表面图像集包括多个对应不同表面粗糙度等级的表面图像子集，每个表面图像子集包括多张车削零件表面图像，每张车削零件表面图像与其所属表面图像子集对应的表面粗糙度等级一致；

提取单元，适于基于预设的特征类型集，对所述车削零件表面图像集中的每张车削零件表面图像进行图像特征提取，以获取对应的图像特征数据，所述特征类型集包括多种图像特征类型；

构建单元，适于对所述特征类型集中每种图像特征类型，分别构建对应的支持向量机分类模型并进行训练；

处理单元，适于将所述图像特征数据输入到对应的训练好的支持向量机分类模型中处理，根据处理情况计算模型评价指标；

确定单元，适于根据所述模型评价指标，从所述特征类型集中确定用于识别车削零件表面粗糙度等级的有效特征。

9.一种计算设备，包括：

至少一个处理器；以及

存储器，存储有程序指令，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-7中任一项所述的方法的指令。

10.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-7中任一项所述方法。