摘要：随着人工智能和现代化自动工业生产的发展，产品的生产效率高速提升，传统的人工检测面临着检测效能低下，遗漏率、误检率较高等问题，对于产品的质量检测的需求，机器视觉的发展及应用填补了人们对产品的生产效率和质量的高要求。通过对视觉检测技术的相关理论和关键技术进行了一些相对深刻的研究，构建了一个关于数字图像处理，非线性分类器-支持向量机的模式识别方式的图像识别检测的产品质量检测系统及相关算法。

首先，本文介绍机器视觉识别的背景以及现存的有关技术，提出主要研究对象，总结主要的问题难点，即图像识别分类器模块、以及图像采集系统检测模块进而提出系统的整体设计方案。

其次，进行研究图像的处理算法，这些算法作为视觉检测系统输入输出的核心部分。提出了基于非线性分类器的检测系统分类器，以及分类器的训练方法和模式识别。最后对产品检测系统以及使用实际的数据对其进行训练和测试验证，证明本文基于非线性分类技术-非线性支持向量机（SVM）模式识别方案可行，其对产品质量检测在精度、速度，扩展性方面具有较大优势，有很好的发展空间。

关键词：非线性分类；支持向量机（SVM）；图像识别

目录

摘要

Abstract

第一章   绪论-1

1.1研究背景和意义-1

1.2机器识别的发展和研究现状-1

1.3 论文的研究内容与目标-2

1.4 论文章节安排-2

第二章 图像处理-4

2.1图像识别的定义-4

2.2 图像识别开发的基本流程-4

2.3图像预处理-4

2.3.1 图像灰度化-5

2.3.2图像阈值处理-7

2.4特征提取-7

2.5本章小结-8

第三章 线性分类器-9

3.1引言-9

3.2 线性分类器的组成-9

3.2.1 评价函数-9

3.2.2 损失函数-10

3.3 线性分类器存在的不足-11

第四章 非线性分类器-13

4.1引言-13

4.2 非线性SVM概念及原理-13

4.2.1非线性SVM的介绍-13

4.2.2多项式特征-13

4.2.3核函数-14

4.2.4正则常数-15

4.3主成分分析法（PCA）-16

第五章SVM分类器的产品质量检测仿真-17

5.1引言-17

5.2测试模块分析-17

5.2.1准备阶段-17

5.2.2构造分类器-17

5.2.3识别阶段-17

5.2.4设计流程图-17

5.3程序分析-19

5.3.1初始化系统-19

5.3.2准备与调试阶段-20

5.4 C#平台搭建-22

5.4.1准备工作-22

5.4.2主程序-22

5.5本章小结-23

第六章 总结-25

致谢-26

参考文献-27

附录-28