基于模式识别的带钢表面缺陷等级判定的研究.pdf

《基于模式识别的带钢表面缺陷等级判定的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、仪器仪表／检测／监控现代制造工程(ModernManufacturingEngineering)2016年第11期基于模式识别的带钢表面缺陷等级判定的研究+王森1，朱凯2(1上海宝信软件股份有限公司，上海201900；2上海大学机电工程与自动化学院，上海200072)摘要：为了提高带钢表面检测设备的精确度，同时也为了减轻人工对于带钢表面缺陷等级判定的工作量，在缺陷图片特征向量选取的基础上，分别采用BP神经网络、概率神经网络(PNN)以及支持向量机(SVM)三种智能模式识别进行判定，并利用Matlab软件进行仿真。通过对比试验

2、结果发现，运用交叉验证优化参数的支持向量机在缺陷等级判定方面具有较好的效果。关键词：神经网络；支持向量机；分类器；模式识别；表面缺陷中图分类号：TP274文献标志码：A文章编号：1671--3133(2016)11珈119珈5DOI：10．16731／1．cnki．1671—3133．2016．11．024TheresearchofpredicatingthedefectclassofstripsteelsurfacebasedonpatternrecognitionWangSenl，ZhuKai2(1ShanghaiBao

3、sightSoftwareCo．Ltd．，Shanghai201900，China；2SchoolofMechatronicEngineeringandAutomation，ShanghaiUniversity，Shanghai200072，China)Abstract：Inordertoimprovetheaccuracyofthestripsurfaceinspectionequipmentandtoreduceartificialworkforrecognizingdefectclass．Onthebasisofthe

4、defectimagefeaturevectorselection，threeintelligentpatternrecognition，BPneuralnetwork，ProbabilisticNeuralNetwork(PNN)andSupportVectorMachine(SVM)，Wasusedtorecognizeautomatically，andtosimulatewithMatlabsoftware．Comparingwiththeexperimentresults，SupportVectorMachine(S

5、VM)hasabettereffectontheissueofthedefectclassrecognitionaftercrossvalidationoptimizing．Keywords：neuralnetwork；supportvectormachine；classifier；patternrecognition；surfacedefect0引言随着计算机技术、图像处理技术以及自动化技术的不断提高，近年来，带钢表面检测设备已朝着高速、高精度、智能化和高稳定性的方向发展，特别在钢铁生产中已显示出极好的实用价值。对于带钢表

6、面缺陷的等级判定问题，国内东北大学的董德威¨j、吴艳萍等人旧。利用层次分析法和模糊综合评判法进行了研究；哈尔滨工业大学的程万胜等人口J，根据带钢等级标准进行分类。国外Keesug等人Ho将支持向量机算法运用于韩国浦项钢铁公司的表面检测设备中来提高检测的精准度；Borselli等人口。通过对比几种人工·国家科技支撑计划项目(2015BAF22801)智能算法，得出更适合于钢铁表面缺陷检测的一种自适应神经模糊推理系统。本文采用BP神经网络、概率神经网络(PNN)以及支持向量机(SVM)三种智能模式识别对缺陷等级进行判定，并根据试

7、验结果选取最适合的一种方法。1三种模式识别方法1．1BP神经网络BP神经网络是一种前馈型神经网络，它可以实现输人到输出的任意非线性映射，并且BP神经网络是应用最广泛的神经网络，对于分类问题效果良好‘6

8、。BP神经网络的构建应根据系统输入、输出数据特点来1192016年第11期现代制造工程(M0d锄ManufacturingEngineering)确定BP网络的结构，具体模型结构如图1所示。应用BP神经网络对带钢表面缺陷等级分类的过程如下。1)确定输入层神经元个数，即输入训练样本，这些样本代表每个缺陷图片的16个特征分量。2)

9、对网络神经元之间的权值和阈值进行初始化。将初始化的值设定为一1—1之间的随机值。3)确定隐含层神经元个数。隐含层神经元的数量会影响到网络的学习效率和学习能力，若神经元的个数较少，则学习时间会较短，这可能因为学习不足而导致“欠学习”，影响分类的准确率；若神经元的个数较多，则学习时间会较长，这