[发明专利]基于支持向量回归机的表面粗糙度测量方法

权利要求书

1.基于支持向量回归机的表面粗糙度测量方法，其特征在于：包括如下步骤：

（1）通过准直激光束斜射到工件表面，使用相机拍摄携带有表面粗糙度信息的反射和散射光空间分布图像，获取不同粗糙度标准样块的散射图像；

（2）从步骤（1）中获取的每幅散射图像中提取特征参数作为样本集；所述特征参数包括散射特征参数、亮点比和亮点灰度比，所述散射特征参数包括长轴方向平均方差和短轴方向平均标准差，其中长轴方向为散射图像中狭长光带的主方向，短轴方向为与长轴垂直的方向；

（3）将样本集分为测试样本集和训练样本集，并选择支持向量机的算法和核函数；

（4）选取对应于训练样本集的支持向量回归机模型参数；

（5）建立支持向量回归机模型，并用测试样本测试该模型的精确度，若没有达到符合要求的精确度，则重复(3)、(4)、(5)步骤，直到精度达到要求，得到最优模型；

（6）实际测量时，获取散射图像并提取特征参数，根据最优模型即可得到被测工件的表面粗糙度数值。

2.根据权利要求1所述的基于支持向量回归机的表面粗糙度测量方法，其特征在于：步骤（1）中准直激光束以设定角度的入射角斜射到工件表面，在相应角度的反射方向上放置高度与激光器高度一致的毛玻璃屏，使用相机拍摄毛玻璃屏上的散射图像。

3.根据权利要求1所述的基于支持向量回归机的表面粗糙度测量方法，其特征在于：所述长轴方向平均方差为首先对平行于短轴方向上各条线的灰度值求平均，得到沿长轴方向的一系列平均值求方差；短轴方向平均标准差为首先对平行于长轴方向上各条线的灰度值求平均，得到沿短轴方向的一系列平均值求标准差。

4.根据权利要求1所述的基于支持向量回归机的表面粗糙度测量方法，其特征在于：所述亮点比是指高于阈值的亮点数与采样点总数的比值；所述亮点灰度比是指高于阈值的亮点灰度值与整个图像灰度值之和的比值。

5.根据权利要求1所述的基于支持向量回归机的表面粗糙度测量方法，其特征在于：从散射图像中提取特征参数使用Matlab语言实现，并转换成Jar包以供Java程序使用，支持向量回归机模型的训练和测试使用Java语言实现。

6.根据权利要求1所述的基于支持向量回归机的表面粗糙度测量方法，其特征在于：步骤（3）中选择epsilon-SVR算法和RBF函数分别为支持向量机的算法和核函数。

7.根据权利要求6所述的基于支持向量回归机的表面粗糙度测量方法，其特征在于：步骤（4）中参数包括RBF核函数中的参数，惩罚系数C和epsilon-SVR 的损失函数中的epsilon值p。