[发明专利]基于低秩表示特征抽取算法的透明PCR管检测方法和系统

说明书

本发明涉及工业视觉领域，尤其涉及一种基于低秩表示特征抽取算法的透明PCR管检测方法和系统；检测方法步骤包括：采集透明PCR管底部图像后作为训练样本集进入训练步骤，训练步骤为：利用低秩表示的特征抽取算法求解训练样本集的相似矩阵最优解，构建鉴别投影矩阵；相似矩阵最优解通过迭代求解，每次迭代对相似矩阵进行奇异值分解，对获取的奇异值进行排序并选取前K个最大奇异值来优化迭代求解相似矩阵的过程；采集待检测的透明PCR管底部图像后作为测试样本进入测试步骤，测试步骤为：根据训练获得的鉴别投影矩阵对测试样本进行降维和分类，获得检测结果。本发明对透明PCR管底部瑕疵进行检测，检测效果好。

技术领域

本发明涉及工业视觉领域，尤其涉及一种基于低秩表示特征抽取算法的透明PCR管检测方法和系统。

背景技术

为了保证PCR管质量，当下企业多以人工抽检的方式来检验，但由于透明PCR管材质的材质特殊性，甚至搭配远心镜头的工业相机拍摄的图像都很难分辨合格品和次品的差异，所以检验的效果不甚理想；往往在产品使用过程中造成后果才能发现次品，例如生物检材的交叉污染。

鉴于此，为解决上述问题，提供一种基于低秩表示特征抽取算法的透明PCR管检测方法和系统成为本领域亟待解决的问题。

发明内容

本发明的目的是为了提供一种基于低秩表示特征抽取算法的透明PCR管检测方法和系统，对透明PCR管底部瑕疵进行检测，检测效果好。

为解决以上技术问题，本发明的技术方案为：基于低秩表示特征抽取算法的透明PCR管检测方法，检测方法步骤包括：

步骤1，采集透明PCR管底部图像后作为训练样本集进入训练步骤，训练步骤为：利用低秩表示的特征抽取算法求解训练样本集的相似矩阵最优解，构建鉴别投影矩阵；相似矩阵最优解通过迭代求解，每次迭代对相似矩阵进行奇异值分解，对获取的奇异值进行排序并选取前K个最大奇异值来优化迭代求解相似矩阵的过程；

步骤2，采集待检测的透明PCR管底部图像后作为测试样本进入测试步骤，测试步骤为：根据训练获得的鉴别投影矩阵对测试样本进行降维后分类，获得检测结果。

进一步的，训练步骤前和测试步骤前，采集的图像均需进行图像预处理和PCA降维的步骤。

进一步的，所述步骤1具体为：

步骤1.1：求解训练样本集的最优相似矩阵：

求训练样本集的相似矩阵；

对相似矩阵进行迭代，每次迭代对相似矩阵进行奇异值分解，将得到的奇异值进行排序并选取前K个最大奇异值；

利用拉格朗日乘子法求相似矩阵的最优解；

步骤1.2：根据最优相似矩阵构造类内散布矩阵和类间散布矩阵计算的对应于d个最大特征值对应的广义特征向量使得构建鉴别投影矩阵。

进一步的，所述步骤1.1具体为：

假设透明PCR管训练样本集由X＝[x₁,x₂,…,x_n]构成，训练样本集X有c类子空间W表示相似矩阵，X_i是子空间中的一组数据，即X＝[X₁,X₂,…,X_c]；

低秩表示是求以下问题的低秩解来寻求最优的低秩解决方案：

其中，A表示字典，字典A利用数据集X自身作为字典；公式(1)的最优解被称为数据集X关于字典A的低秩表示；

计算相似矩阵W的最优问题：通过转换求解以下增广拉格朗日乘子法得到W：