The present invention provides a SVM based crack identification method, device and storage device. The method includes steps: read the pixel points of the read image and store the samples after the two value processing in the text after two value processing; the samples after the two valued processing are grouped; each sample after the packet is used as the test set. The SVM model is tested and the effective SVM model is obtained. The effective SVM model is used to distinguish the cracked image and the crack free image. A crack recognition device and storage device based on SVM are used to realize the method. The invention can obtain the identification information of cracks in real time and efficiently.
【技术实现步骤摘要】
一种基于SVM的裂纹识别方法、设备及存储设备
本专利技术涉及模式识别领域,具体涉及一种基于SVM的裂纹识别方法、设备及存储设备。
技术介绍
在水下监测领域,例如对水坝水下坝体部分是否存在裂纹的监测,由于环境复杂,不可预测因素太多,使得水下坝体裂纹的监测异常困难。同时,现有设备不支持水下进行裂纹样本的采集监测,而采用人工定期入水检查的方式不仅效率低,而且成本过高,不切实际。因此,如何能够借助技术手段对水坝水下坝体裂纹进行有效监测就成为亟待解决的问题。
技术实现思路
本专利技术提供了一种基于SVM的裂纹识别方法、设备及存储设备,通过将测试样本集进行分组,再结合SVM模型进行训练,建立对裂纹进行有效识别的方法,可以有效解决上述问题。本专利技术提供的技术方案是:一种基于SVM的裂纹识别方法,所述方法包括步骤:读取图像像素点进行二值化处理后存储在文本中得到二值化处理后的样本;对二值化处理后的样本进行分组;采用分组后的每份样本做为测试集对SVM模型进行测试得到有效SVM模型;采用有效SVM模型对待处理图像进行识别将有裂纹图像和无裂纹图像进行区分。存储设备,所述存储设备存储指令及数据用于实现所述一种基于SVM的裂纹识别方法。一种基于SVM的裂纹识别设备,所述设备包括处理器及所述存储设备;所述处理器加载并执行所述存储设备中的指令及数据用于实现所述的一种基于SVM的裂纹识别方法。本专利技术的有益效果是:本专利技术提供了一种基于SVM的裂纹识别方法、设备及存储设备,通过将测试样本集进行分组,再结合SVM模型进行训练,最终可在采用的样本集数量较少的情况下,建立对裂纹进行有效识别的方 ...
【技术保护点】
一种基于SVM的裂纹识别方法,所述方法由硬件设备实现,其特征在于:包括以下步骤:读取图像像素点进行二值化处理后存储在文本中得到二值化处理后的样本;对二值化处理后的样本进行分组;采用分组后的每份样本做为测试集对SVM模型进行测试得到有效SVM模型;采用有效SVM模型对待处理图像进行识别将有裂纹图像和无裂纹图像进行区分。
【技术特征摘要】
1.一种基于SVM的裂纹识别方法,所述方法由硬件设备实现,其特征在于:包括以下步骤:读取图像像素点进行二值化处理后存储在文本中得到二值化处理后的样本;对二值化处理后的样本进行分组;采用分组后的每份样本做为测试集对SVM模型进行测试得到有效SVM模型;采用有效SVM模型对待处理图像进行识别将有裂纹图像和无裂纹图像进行区分。2.如权利要求1所述的一种基于SVM的裂纹识别方法,其特征在于:所述文本具体为:txt、Excel或doc中的一种或几种。3.如权利要求1所述的一种基于SVM的裂纹识别方法,其特征在于:所述对二值化处理后的样本进行分组的步骤具体为:将样本分为五组。4.如权利要求3所述的一种基于SVM的裂纹识别方法,其特征在于:在样本进行分组前,将样本打乱排序,然后随机进行均匀分配得到五组样本。5.如权利要求4所述的一种基于SVM的裂纹识别方法,其特征在于:建立所述SVM模型用到的测试集样本总数为700个样本,使用700组样本对SVM模型进行训练即满足SVM模型的识别精度。6.如权利要求5所述的一种基于SVM的裂纹识别方法,其特征在于:所述SVM模型为软间隔SVM模型;所述软间隔SVM模型的约束公式为:其中,C为正常数,l0/1表示“0/1损失函数”,ω和b为模型参数,yi表示标签,表达式为:7.如权利要求6所述的一种基...
【专利技术属性】
技术研发人员:丁华锋,王静婷,张雄伟,
申请(专利权)人:中国地质大学武汉,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。