近年來,我國鋼鐵產(chǎn)業(yè)在生產(chǎn)設(shè)備、生產(chǎn)工藝品種類和質(zhì)量方面有了很大的改善,并且年產(chǎn)量常居世界第一。然而面對嚴(yán)峻的市場壓力和嚴(yán)格的質(zhì)量要求,仍然不能滿足目前發(fā)展現(xiàn)狀。鋼板表面質(zhì)量的好壞是衡量鋼板是否合格的重要標(biāo)準(zhǔn)之一。其中,表面缺陷是阻礙鋼鐵企業(yè)提高鋼產(chǎn)品質(zhì)量的最重要的一個問題。因此,對鋼板表面缺陷監(jiān)測技術(shù)的研究成為了關(guān)鍵。大多數(shù)鋼鐵企業(yè)采用具有視覺采集裝置的表面缺陷檢查系統(tǒng)去監(jiān)控鋼板表面缺陷。在檢測和識別過程中,缺陷分類是核心的任務(wù),也是表面質(zhì)量監(jiān)控的最終目標(biāo)之一,因為缺陷的類型是鋼產(chǎn)品等級劃分的重要依據(jù)。本文對鋼板表面缺陷分類模型進行了研究,主要內(nèi)容如下:（1）為了提高鋼板表面缺陷分類精度,本文優(yōu)先考慮以超球面作為分類面的分類模型。而且,為了抑制特征噪聲對分類精度的影響,在孿生超球體支持向量機（THSVM）的基礎(chǔ)上,本文提出了一種具有抗特征噪聲能力的支持向量超球體多分類模型（ASVHs）。該分類模型通過引入新穎的抗噪屬性,改變了原有的依靠邊界樣本點構(gòu)造分類面的特點,從而達到抑制邊界特征噪聲的目的。（2）為了解決由于缺陷樣本數(shù)據(jù)量大造成的儲存空間大、效率低的問題。在ASVHs分類模型的基... 

【文章來源】：遼寧科技大學(xué)遼寧省

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于視覺CCD相機照明裝置

2.鋼板表面缺陷分類基礎(chǔ)8利用基于視覺的采集系統(tǒng)，收集來自于不同鋼生產(chǎn)線的缺陷圖像。缺陷圖像如圖2.2所示。劃痕結(jié)痂孔洞氧化鐵皮壓入臟物裂紋夾雜斑塊麻點圖2.2鋼板表面缺陷圖像Fig.2.2TheimagesofSteelsurfacedefects對于不同的缺陷類型，它們產(chǎn)生的原因也各不相同。如圖2.2中，劃痕缺陷指的是鋼板表面產(chǎn)生的一道道印痕，它主要是由于鋼板之間的相互摩擦或者其他堅硬物與鋼板表面接觸時產(chǎn)生的。劃痕一般呈凹狀，是一根連續(xù)或斷續(xù)的直線型，分布在鋼板的局部或全部。在黑白圖像中，有金屬光澤且呈灰白色。結(jié)疤缺陷指的是鋼板表面上存在不規(guī)則形狀翹起的金屬薄片，與鋼板相連或不相連，厚薄不均，大小不一。它主要是由于鋼坯表面被濺的金屬坯殼未清洗干凈軋后殘留在鋼帶表面上或者是鋼坯表面留有火焰清理后的殘渣經(jīng)軋制壓入鋼帶表面。

遼寧科技大學(xué)碩士學(xué)位論文23這種分類器。因此，為了解決鋼表面缺陷分類過程中存在特征噪聲的問題，一個具有抗噪聲技術(shù)的多類分類模型被提出。圖3.1二維空間下二類樣本中的標(biāo)簽噪聲Fig.3.1Thelabelnoisefortwoclassesofsamplesintwo-dimensionalspace圖3.2二維空間下兩類樣本中的特征噪聲Fig.3.2Thefeaturenoisefortwoclassesofsamplesintwo-dimensionalspace3.2抗噪聲支持向量超球體新模型對于依靠邊界樣本的分類器會受到特征噪聲的嚴(yán)重影響。為了克服特征噪聲的不利影響，對于鋼表面缺陷分類問題提出了一個新的分類器模型。在這個分類模型中使用了一個新穎的抗噪聲支持向量超球體(Anti-noiseSupportVectorHyper-spheres,ASVHs)分類模型。ASVHs分類模型的構(gòu)造與THSVM一樣的超球體結(jié)構(gòu)，不同于THSVM的是，ASVHs是對一個QPP問題求解。并且，ASVHs分類器在繼承THSVM速度快、分類精度高、泛化性能好的優(yōu)點外，通過引入了新穎的抗噪聲屬性具有特征噪聲不敏感的優(yōu)勢。因此，本節(jié)采用THSVM的超球體結(jié)構(gòu)重新構(gòu)建

【參考文獻】：
期刊論文
[1]基于遺傳算法優(yōu)化支持向量機的超聲圖像缺陷分類[J]. 張沫,鄭慧峰,倪豪,王月兵,郭成成.  計量學(xué)報. 2019(05)
[2]基于加權(quán)Pin-SVM的鋼板表面缺陷分類[J]. 王涓.  信息技術(shù). 2019(07)
[3]一種改進遺傳算法優(yōu)化SVM的入侵檢測方法[J]. 侯春雨,王戈文,王崇峻.  兵器裝備工程學(xué)報. 2019(06)
[4]基于全局-局部SVM的鋼板表面缺陷分類[J]. 董秀.  信息技術(shù). 2019(06)
[5]灰狼優(yōu)化算法研究綜述[J]. 張曉鳳,王秀英.  計算機科學(xué). 2019(03)
[6]“一帶一路”背景下我國鋼鐵行業(yè)發(fā)展現(xiàn)狀及對策[J]. 王紫.  企業(yè)科技與發(fā)展. 2019(03)
[7]基于改進網(wǎng)格搜索法的SVM參數(shù)優(yōu)化[J]. 劉小生,章治邦.  江西理工大學(xué)學(xué)報. 2019(01)
[8]基于支持向量機的鋼板表面缺陷檢測[J]. 郭慧,徐威,劉亞菲.  東華大學(xué)學(xué)報(自然科學(xué)版). 2018(04)
[9]基于粒子群算法的支持向量機的參數(shù)優(yōu)化[J]. 陳晉音,熊暉,鄭海斌.  計算機科學(xué). 2018(06)
[10]機器視覺表面缺陷檢測綜述[J]. 湯勃,孔建益,伍世虔.  中國圖象圖形學(xué)報. 2017(12)

博士論文
[1]鋼板表面缺陷檢測關(guān)鍵技術(shù)研究[D]. 儲茂祥.東北大學(xué) 2014

碩士論文
[1]基于機器視覺的鋼板表面缺陷識別研究[D]. 胡聯(lián)亭.武漢科技大學(xué) 2018
[2]基于粒子群優(yōu)化最小二乘支持向量機的建筑工程造價預(yù)測研究[D]. 王碩.青島理工大學(xué) 2018
[3]鋼板表面缺陷圖像檢測與分類技術(shù)研究[D]. 房敏.大連海事大學(xué) 2017
[4]基于改進DAGSVM的鋼板表面缺陷檢測系統(tǒng)設(shè)計與實現(xiàn)[D]. 李嬌嬌.重慶大學(xué) 2015
[5]連鑄坯缺陷超聲無損檢測方法及實驗研究[D]. 曾月斌.重慶大學(xué) 2014



本文編號：3214990