1 南昌大学 机电工程学院, 南昌 330031
2 江西理工大学 机电工程学院, 江西 赣州 341000
单一特征识别的钨矿石初选准确率低, 稳定性差, 本文提出结合模糊支持向量机和D-S证据理论相的多特征钨矿石识别方法.对矿石图像预处理后, 分别提取矿石的颜色、灰度和纹理等3类视觉特征, 对这3类视觉特征进行模糊分类得到各自的信任度, 再以这3类信任度为独立证据, 采用D-S证据理论对3类证据进行融合, 并依据分类判决规则得到最终的识别结果.试验结果表明, 通过D-S理论对模糊向量机证据的融合, 钨矿石初选的正确识别率达到96%以上, 其准确率和稳定性较单一特征均有大幅度提高, 满足生产过程中初选工艺的要求.
机器视觉 图像处理 D-S证据理论 钨矿石 模糊支持向量机 决策级融合 钨矿石初选 特征提取 Machine vision Image processing D-S evidence theory Tungsten ore Fuzzy support vector machine Decision fusion Tungsten ore primary selection Feature extraction
