

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著經(jīng)濟(jì)的發(fā)展,帶鋼已成為汽車、家電、機(jī)械制造、航空航天、化工、造船等工業(yè)不可缺少的原材料,在國(guó)民經(jīng)濟(jì)中占據(jù)重要地位。在生產(chǎn)過(guò)程,由于連鑄鋼坯、軋制設(shè)備、加工工藝等多方面的原因,導(dǎo)致帶鋼表面形成邊緣鋸齒、焊縫、夾雜、抬頭紋等各種不同類型的缺陷。這些缺陷不僅影響產(chǎn)品的外觀質(zhì)量,還會(huì)降低產(chǎn)品的抗腐性、耐磨性和其它強(qiáng)度性能,成為影響帶鋼表面質(zhì)量的一個(gè)重要因素。欲提高板帶鋼的表面質(zhì)量,必須首先解決板帶鋼表面缺陷的檢測(cè)與分類問(wèn)題,繼而分析相應(yīng)缺陷
2、產(chǎn)生的原因,最終提出消除缺陷的解決方案。
板帶鋼表面缺陷識(shí)別的難度主要表現(xiàn)在兩個(gè)方面:
?、倌撤N類別缺陷包含其它類型的缺陷,比如抬頭紋中包含夾雜的缺陷成分;
②同一類別缺陷之間的形態(tài)差別很大,比如抬頭紋之間、夾雜之間相差較大等,這就對(duì)分類器提出了較高的要求。
本文針對(duì)現(xiàn)有板帶鋼表面缺陷檢測(cè)方法存在的問(wèn)題,如單個(gè)分類器在算法上很難有新的突破,單個(gè)分類器及串行分類器集成識(shí)別時(shí)對(duì)訓(xùn)練樣本依賴性較高的缺點(diǎn),
3、給出了基于并行多分類器集成的板帶鋼缺陷圖像識(shí)別方法。
多分類器集成是指構(gòu)建一個(gè)分類器的集合,并通過(guò)基分類器預(yù)測(cè)進(jìn)行(權(quán)重)投票給出新的分類結(jié)果。分類器集成的目的是希望能充分利用每個(gè)基分類器的長(zhǎng)處,從而獲得比任何單個(gè)基分類器都要高的識(shí)別率。
本文用灰度直方圖統(tǒng)計(jì)特征等26維特征降維后的11維特征作為輸入,將常用的BP神經(jīng)網(wǎng)絡(luò)、LVQ神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)作為基分類器,對(duì)經(jīng)常出現(xiàn)的邊緣鋸齒、焊縫、夾雜、抬頭
4、紋等四類缺陷進(jìn)行分類識(shí)別。將基分類器進(jìn)行差異性度量后,選擇最終的基分類器,用投票法及加權(quán)投票法進(jìn)行集成。實(shí)驗(yàn)表明并行多分類器集成方法在板帶鋼表面缺陷圖像的分類識(shí)別中應(yīng)用是可行的,對(duì)120張缺陷圖像的總體識(shí)別率達(dá)到95%以上。
文中選取基于PCNN神經(jīng)網(wǎng)絡(luò)特征提取與降維的結(jié)果作為輸入特征,進(jìn)行分類器集成識(shí)別,識(shí)別率達(dá)到了97.5%。另外,實(shí)驗(yàn)還用差異性較大的夾雜和抬頭紋作為樣本進(jìn)行分類識(shí)別,結(jié)果表明并行分類器集成系統(tǒng)不但能夠提高
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于AdaBoost分類器的帶鋼表面缺陷識(shí)別研究.pdf
- 基于機(jī)器視覺(jué)的帶鋼表面缺陷圖像處理與識(shí)別.pdf
- 基于圖像處理的帶鋼表面缺陷識(shí)別方法研究.pdf
- 基于機(jī)器學(xué)習(xí)的帶鋼表面缺陷分類.pdf
- 基于加權(quán)特征的冷軋帶鋼典型表面缺陷圖像混合模式分類識(shí)別.pdf
- 基于機(jī)器視覺(jué)的圓形線材表面缺陷圖像識(shí)別研究.pdf
- 板帶鋼缺陷圖像的多體分類模型及識(shí)別技術(shù)研究.pdf
- 基于多級(jí)分類器的植物花粉圖像識(shí)別.pdf
- 冷軋帶鋼表面缺陷識(shí)別及其并行處理的研究.pdf
- 帶鋼表面缺陷圖像檢測(cè)理論及識(shí)別算法研究.pdf
- 基于核方法的帶鋼表面缺陷圖像處理和識(shí)別方法研究.pdf
- 基于圖像處理的冷軋帶鋼表面缺陷檢測(cè)與識(shí)別研究.pdf
- 帶鋼表面缺陷識(shí)別算法研究.pdf
- 基于預(yù)分類的圖像識(shí)別研究.pdf
- 基于分離判據(jù)和改進(jìn)支持向量機(jī)的帶鋼典型表面缺陷分類識(shí)別.pdf
- 基于圖像識(shí)別的橋梁拉索表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì).pdf
- 圖像識(shí)別中的弱分類器自適應(yīng)集成增強(qiáng)方法研究.pdf
- 帶鋼表面缺陷圖像拼接技術(shù)的研究.pdf
- 基于支持向量機(jī)的帶鋼表面缺陷識(shí)別研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的冷軋帶鋼表面缺陷識(shí)別分類技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論