改进组合分类器的冷轧带钢表面缺陷识别研究

摘要：

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.

关键词：表面缺陷、冷轧带钢、组合分类器、分类

所属期刊栏目：36

分类号：TP274+.3(自动化技术及设备)

资助基金：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

在线出版日期：2017-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1785-1790