基于并行分類器集成的板帶鋼表面缺陷圖像識別.pdf

1、隨著經(jīng)濟的發(fā)展，帶鋼已成為汽車、家電、機械制造、航空航天、化工、造船等工業(yè)不可缺少的原材料，在國民經(jīng)濟中占據(jù)重要地位。在生產(chǎn)過程，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，還會降低產(chǎn)品的抗腐性、耐磨性和其它強度性能，成為影響帶鋼表面質(zhì)量的一個重要因素。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與分類問題，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。
　　板帶鋼表面缺陷識別的難度主要表現(xiàn)在兩個方面:
　　①某種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;
　?、谕活悇e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，這就對分類器提出了較高的要求。
　　本文針對現(xiàn)有板帶鋼表面缺陷檢測方法存在的問題，如單個分類器在算法上很難有新的突破，單個分類器及串行分類器集成識別時對訓(xùn)練樣本依賴性較高的缺點，

3、給出了基于并行多分類器集成的板帶鋼缺陷圖像識別方法。
　　多分類器集成是指構(gòu)建一個分類器的集合，并通過基分類器預(yù)測進行（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基分類器的長處，從而獲得比任何單個基分類器都要高的識別率。
　　本文用灰度直方圖統(tǒng)計特征等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)和支持向量機作為基分類器，對經(jīng)常出現(xiàn)的邊緣鋸齒、焊縫、夾雜、抬頭

4、紋等四類缺陷進行分類識別。將基分類器進行差異性度量后，選擇最終的基分類器，用投票法及加權(quán)投票法進行集成。實驗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別中應(yīng)用是可行的，對120張缺陷圖像的總體識別率達到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，進行分類器集成識別，識別率達到了97.5％。另外，實驗還用差異性較大的夾雜和抬頭紋作為樣本進行分類識別，結(jié)果表明并行分類器集成系統(tǒng)不但能夠提高