基于支持向量機的冷軋鋁板表面缺陷分類算法的研究.pdf_第1頁
已閱讀1頁,還剩98頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著社會現(xiàn)代化工業(yè)快速發(fā)展以及市場競爭的加劇,人們對制造業(yè)生產(chǎn)線的要求越來越高,不僅要滿足高效而且也要保證產(chǎn)品的質量。金屬鋁在交通運輸、工具制造、航天科技應用、人們的衣食住行中起著重要的作用,然而在鋁板生產(chǎn)過程中,由于生產(chǎn)設備陳舊、生產(chǎn)原料批次或質量不同以及生產(chǎn)流程等原因的限制使鋁板表面產(chǎn)生一些缺陷,正是這些缺陷在很大程度上降低了產(chǎn)品的美觀度、抗腐蝕性和耐磨性,并給冷軋鋁板生產(chǎn)企業(yè)帶來了巨大的損失。因此,對冷軋鋁板表面缺陷的檢測分類此時

2、顯得尤為重要。
  本文中對冷軋鋁板表面缺陷進行分類實驗的過程中,分別運用了支持向量機分類算法和BP神經(jīng)網(wǎng)絡分類算法,通過分析實驗結果發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡分類方法對冷軋鋁板表面六種缺陷的總體識別精度不高,分類過程需要時間較長,泛化能力差而且在對分類模型訓練時需要很多的缺陷樣本,但是該算法對油斑類缺陷的正確分類率較高;支持向量機分類算法對六種缺陷的整體分類正確率較高,但是對于像油斑這樣復雜類缺陷識別率卻達不到令人滿意的效果。為了使冷軋鋁

3、板表面缺陷整體和單類別的分類正確率都達到較高的水平,本論文中研究了一種基于支持向量機與BP神經(jīng)網(wǎng)絡相結合的分類算法用于對冷軋鋁板表面的缺陷進行分類。首先,采用減背景與中值濾波技術進行冷軋鋁板表面缺陷圖像的預處理;其次采用自適應閾值法將缺陷區(qū)域從冷軋鋁板表面缺陷圖像中分割出;在特征提取時,結合目標圖像和分割后缺陷圖像,提取了灰度特征、形狀特征、幾何特征三大類特征;訓練支持向量機和BP神經(jīng)網(wǎng)絡相結合的分類模型時,BP神經(jīng)網(wǎng)絡隱含層采用一層結

4、構,按照一定的規(guī)則通過對比多次實驗分類結果設置隱含層節(jié)點數(shù);支持向量機選用徑向基函數(shù)作為核函數(shù),通過交叉驗證法確定懲罰因子和核參數(shù),并采用一對一的分類策略進行多種缺陷的分類;支持向量機與BP神經(jīng)網(wǎng)絡相結合的分類模型對測試樣本進行分類時,先由BP神經(jīng)網(wǎng)絡分類模型判斷測試樣本是否為油斑,若為油斑則輸出分類結果,若認為是第二類缺陷,則把該樣本交由支持向量機分類模型進行細分類,即分為氣泡、破皮、刮痕、孔洞、黑線,最終輸出分類結果。
  本

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論