基于机器学习的带钢表面缺陷分类方法研究

摘要：

对基于BP神经网络和支持向量机的带钢表面缺陷类别识别方法进行了研究,基于检测出缺陷的目标图像,根据不同缺陷的灰度均值设定两种阈值,进行二值化处理;结合目标图像和二值化图像提取几何特征、形状特征以及灰度特征.在基于BP神经网络训练分类器时,采用三层神经网络模型,通过多次实验确定隐含层神经元数;在基于支持向量机训练分类器时,采用高斯径向基函数作为核函数,通过交叉验证确定相关参数,采用“一对一”的策略实现多分类.实验结果表明,支持向量机模型分类准确率更高,BP神经网络平均识别时间优于支持向量机.

关键词：机器学习、带钢表面缺陷、BP神经网络、支持向量机、OpenCV

所属期刊栏目：35

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金项目610700009;湖北省重点实验室开放基金项目2013B014

在线出版日期：2014-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：620-624