多联融合优化模板匹配的纱纸管分类方法

圆锥纱纸管的自动分类识别一直是该部件智能制造方面的技术难题,针对传统图像分类方法无法兼顾速度与精度,以及深度学习成本大、部署难、硬件要求高等问题,提出了一种基于多联融合优化模板匹配的纱纸管分类方法。采用多个改进算法及策略并使用三次数据降维加快模板匹配速度。将用于运动估计的优化算法SEA(successive elimination algorithm)用于模板匹配中,并把该算法的阈值改进为自适应阈值,用于加强算法鲁棒性;采用小波金字塔进行数据降维,减少运算量并提高运算速度;最后采用十字灰度特征模板代替传统SAD(sum of absolute differences)算法及其模板计算性能指标,并采用提前停止迭代搜索的策略进一步滤除数据,设置累计误差阈值来提前停止搜索。匹配实验表明,本文的改进算法保证了精度,并且匹配速度达到了0.126 s左右;对比、消融实验表明,本文算法在保证了精度的前提下,速度比传统SAD算法提升了近11倍,相比于一些其他经典的方法在速度上也均有提升,证明了该方法的有效性。