姜泓宇,董增寿,贺之靖

• 1:太原科技大学交通与物流学院

摘要(Abstract)：

针对钢丝绳表面缺陷检测困难、精度低、表面特征利用不充分、识别分类器缺乏优化的问题，提出一种基于图像特征融合和改进鲸鱼算法(IWOA)优化支持向量机(SVM)的钢丝绳表面缺陷检测方法。该方法包括特征提取和缺陷类型识别两个部分。特征提取阶段，使用中心对称局部二值模式(CS-LBP)和梯度方向直方图(HOG)提取不同缺陷的钢丝绳表面纹理和梯度特征，并将两特征串联融合，实现特征互补。缺陷识别阶段，首先通过改进WOA控制因子和引入惯性权值提高WOA的提的搜索能力、避免陷入局部最优，利用改进WOA对SVM参数优化，提高SVM的泛化能力并对不同缺陷钢丝绳识别分类。实验表明，该方法能有效识别出不同缺陷的钢丝绳，且稳定性较高。

关键词(KeyWords)： 钢丝绳;中心对称局部二值;特征融合;鲸鱼优化算法;支持向量机

Abstract:

Keywords:

基金项目(Foundation): 山西省回国留学人员科研资助项目(2020-126)

作者(Author): 姜泓宇,董增寿,贺之靖

参考文献(References)：

• [1] H X,ZHANG Y.Texture defect detection of wire rope surface with support vector data description[C]//Chinese Conference on Pattern Recognition,Nanjing,IEEE,2009:1-5.
• [4] PLATZER E S,HERBERT C,WEHKING K H,et al.On the Suitability of Different Features for Anomaly Detection in Wire Ropes[C]//International Conference on Computer Vision,Imaging and Computer Graphics.Springer Berlin Heidelberg,2009:296-308.
• [5] ZHOU P,ZHOU G,HE Z,et al.A novel texture-based damage detection method for wire ropes[J].Measurement,2019,148:106954.
• [6] 辛亮亮.基于局部二值模式的图像特征描述方法研究[D].重庆：重庆邮电大学，2019.
• [7] 张四平，王梅，胡念.基于CS-LBP特征融合的人脸智能识别方法研究[J].信息通信，2020(6):40-42.
• [8] 郑能心.基于小波变换和HOG特征的人脸识别研究[D].杭州：浙江工商大学，2020.
• [9] MIRJALILI S,LEWIS A.The Whale Optimization Algorithm[J].Advances in Engineering Software,2016,95:51-67.
• [10] 王涛，CHELLALI R.非线性权重和收敛因子的鲸鱼算法[J].微电子学与计算机，2019,36(1):11-15.
• [11] 黄洋，鲁海燕，许凯波，等.基于S型函数的自适应粒子群优化算法[J].计算机科学，2019,46(1):245-250.
• [12] 张帅，贾有，杨雪霞.基于果蝇优化算法和DWT-SVD的数字水印方法[J].太原科技大学学报，2019,40(6):423-429.