本文關(guān)鍵詞：基于支持向量機(jī)的冷軋鋁板表面缺陷分類算法的研究

  更多相關(guān)文章： 冷軋鋁板表面缺陷 支持向量機(jī)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合 分類

【摘要】：隨著社會(huì)現(xiàn)代化工業(yè)快速發(fā)展以及市場(chǎng)競(jìng)爭(zhēng)的加劇,人們對(duì)制造業(yè)生產(chǎn)線的要求越來(lái)越高,不僅要滿足高效而且也要保證產(chǎn)品的質(zhì)量。金屬鋁在交通運(yùn)輸、工具制造、航天科技應(yīng)用、人們的衣食住行中起著重要的作用,然而在鋁板生產(chǎn)過(guò)程中,由于生產(chǎn)設(shè)備陳舊、生產(chǎn)原料批次或質(zhì)量不同以及生產(chǎn)流程等原因的限制使鋁板表面產(chǎn)生一些缺陷,正是這些缺陷在很大程度上降低了產(chǎn)品的美觀度、抗腐蝕性和耐磨性,并給冷軋鋁板生產(chǎn)企業(yè)帶來(lái)了巨大的損失。因此,對(duì)冷軋鋁板表面缺陷的檢測(cè)分類此時(shí)顯得尤為重要。本文中對(duì)冷軋鋁板表面缺陷進(jìn)行分類實(shí)驗(yàn)的過(guò)程中,分別運(yùn)用了支持向量機(jī)分類算法和BP神經(jīng)網(wǎng)絡(luò)分類算法,通過(guò)分析實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)分類方法對(duì)冷軋鋁板表面六種缺陷的總體識(shí)別精度不高,分類過(guò)程需要時(shí)間較長(zhǎng),泛化能力差而且在對(duì)分類模型訓(xùn)練時(shí)需要很多的缺陷樣本,但是該算法對(duì)油斑類缺陷的正確分類率較高;支持向量機(jī)分類算法對(duì)六種缺陷的整體分類正確率較高,但是對(duì)于像油斑這樣復(fù)雜類缺陷識(shí)別率卻達(dá)不到令人滿意的效果。為了使冷軋鋁板表面缺陷整體和單類別的分類正確率都達(dá)到較高的水平,本論文中研究了一種基于支持向量機(jī)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類算法用于對(duì)冷軋鋁板表面的缺陷進(jìn)行分類。首先,采用減背景與中值濾波技術(shù)進(jìn)行冷軋鋁板表面缺陷圖像的預(yù)處理;其次采用自適應(yīng)閾值法將缺陷區(qū)域從冷軋鋁板表面缺陷圖像中分割出;在特征提取時(shí),結(jié)合目標(biāo)圖像和分割后缺陷圖像,提取了灰度特征、形狀特征、幾何特征三大類特征;訓(xùn)練支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類模型時(shí),BP神經(jīng)網(wǎng)絡(luò)隱含層采用一層結(jié)構(gòu),按照一定的規(guī)則通過(guò)對(duì)比多次實(shí)驗(yàn)分類結(jié)果設(shè)置隱含層節(jié)點(diǎn)數(shù);支持向量機(jī)選用徑向基函數(shù)作為核函數(shù),通過(guò)交叉驗(yàn)證法確定懲罰因子和核參數(shù),并采用一對(duì)一的分類策略進(jìn)行多種缺陷的分類;支持向量機(jī)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類模型對(duì)測(cè)試樣本進(jìn)行分類時(shí),先由BP神經(jīng)網(wǎng)絡(luò)分類模型判斷測(cè)試樣本是否為油斑,若為油斑則輸出分類結(jié)果,若認(rèn)為是第二類缺陷,則把該樣本交由支持向量機(jī)分類模型進(jìn)行細(xì)分類,即分為氣泡、破皮、刮痕、孔洞、黑線,最終輸出分類結(jié)果。本論文中對(duì)定義的六類冷軋鋁板表面缺陷進(jìn)行分類研究,主要是通OpenCV與VC++編程完成相關(guān)實(shí)驗(yàn)。最終的實(shí)驗(yàn)結(jié)果驗(yàn)證了支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類算法的分類準(zhǔn)確率高并能滿足實(shí)時(shí)性的要求。
【學(xué)位授予單位】：齊魯工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TG339;TP391.41

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 何俊;何忠文;蔡建峰;房靈芝;;自發(fā)表情識(shí)別方法綜述[J];計(jì)算機(jī)應(yīng)用研究;2016年01期

2 陳功;苗瑞;張潔;;基于PSO-SVM的帶鋼表面缺陷分類研究[J];內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

3 劉雯;;基于matlab的車牌定位程序設(shè)計(jì)[J];中南財(cái)經(jīng)政法大學(xué)研究生學(xué)報(bào);2015年S1期

4 柳笛;;基于支持向量機(jī)的鋁板表面缺陷檢測(cè)分類[J];可編程控制器與工廠自動(dòng)化;2014年12期

5 王金甲;賈敏;;輔助訓(xùn)練的半監(jiān)督線性支持向量機(jī)用于EEG分類[J];儀器儀表學(xué)報(bào);2013年04期

6 羅輝武;唐遠(yuǎn)炎;王翊;藍(lán)利君;;基于結(jié)構(gòu)特征和灰度特征的車牌字符識(shí)別方法[J];計(jì)算機(jī)科學(xué);2011年11期

7 湯勃;孔建益;王興東;陳黎;;基于圖像處理的鋼板表面缺陷支持向量機(jī)識(shí)別[J];中國(guó)機(jī)械工程;2011年12期

8 盧洋;楊曉斌;;基于點(diǎn)檢測(cè)的脈沖噪聲中值濾波算法[J];南昌工程學(xué)院學(xué)報(bào);2009年01期

9 朱樹先;張仁杰;;支持向量機(jī)核函數(shù)選擇的研究[J];科學(xué)技術(shù)與工程;2008年16期

10 耿瑞芳;曹輝;馬永華;張罡;;基于機(jī)器視覺的圖像識(shí)別方法研究[J];自動(dòng)化博覽;2008年06期

，

本文編號(hào)：1289413