10.13433/j.cnki.1003-8728.2017.1124
改进组合分类器的冷轧带钢表面缺陷识别研究
针对表面缺陷种类多样、形态复杂的冷轧带钢,若采用单一分类器识别分类,会存在对个别缺陷不敏感、识别率低的情况,且会导致分类器处理特征数据规模过大,系统的鲁棒性和稳定性很难得到保证.为此提出基于改进组合分类器的冷轧带钢表面缺陷识别方法,将优化BP神经网络、概率神经网络以及改进的支持向量机进行组合,利用分类信息的互补性进行综合分类,从而构建了较优的分类系统.实验结果表明:改进组合分类器弥补了单个分类器网络训练的不足;针对每一类缺陷识别时准确率都较高,能增加整体分类器的泛化能力,整体识别正确率可达95%以上,且识别高效、稳定,具有实用价值.
表面缺陷、冷轧带钢、组合分类器、分类
36
TP274+.3(自动化技术及设备)
国家自然科学基金项目61104213;中央高校基本科研业务费专项资金项目JUSRP11008
2017-12-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
1785-1790