基于聚類分析與RBF網(wǎng)絡(luò)的板帶材表面缺陷的識別與分類.pdf

1、采用圖像處理和識別的最新理論和技術(shù)，研究開發(fā)具有板帶材表面缺陷的模式識別和分類技術(shù)及其軟件系統(tǒng)。板帶材表面缺陷的識別與分類是板帶材表面缺陷智能化診斷的重要內(nèi)容之一。通過對板帶材表面缺陷的檢測與分類的有效方法和實用化技術(shù)；研制開發(fā)采用人工智能專家系統(tǒng)對板帶材表面缺陷進(jìn)行分類處理的智能化實用軟件。 不同的表面缺陷有著不同的圖像特征，必須對各類板帶材表面缺陷圖像特征進(jìn)行深入研究，才能獲得缺陷圖像的特征信息表征方法。板帶材的表面缺陷往往

2、具有多樣性、復(fù)雜性等特點。因此要達(dá)到高的識別率是比較困難的。概括來說，板帶材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。②同一類別缺陷之間的形態(tài)差別很大，比如抬頭紋1與抬頭紋2。很難將這些缺陷自動規(guī)歸為同一類缺陷。通過對不同特征的提取和優(yōu)化選擇，發(fā)現(xiàn)采用紋理特征對幾類缺陷的分類效果比較好。本論文的紋理特征是采用統(tǒng)計法、通過灰度共生矩陣得到的，包括紋理的二階矩、對比度、相關(guān)、熵、

3、方差、逆差矩。 本文共收集了151幅板帶材缺陷圖像進(jìn)行識別分類研究。文中分別采用了K均值聚類算法、非線性BP(Back-Propagation)人工神經(jīng)網(wǎng)絡(luò)識別方法和非線性RBF(RadialBasisFunction)人工神經(jīng)網(wǎng)絡(luò)識別方法，對邊緣鋸齒、焊縫、夾雜、抬頭紋1、抬頭紋2進(jìn)行識別分類，并考慮預(yù)處理對識別分類的影響。本文采用三種識別方法對五類板帶材缺陷圖像進(jìn)行識別與分類，即邊緣鋸齒、焊縫、夾雜、抬頭紋1、抬頭紋2。結(jié)果

4、表明，依據(jù)缺陷圖像的紋理特征，K均值聚類算法、非線性BP(Back-Propagation)人工神經(jīng)網(wǎng)絡(luò)識別方法能夠?qū)ξ孱惾毕輰崿F(xiàn)識別和分類，BP(Back-Propagation)非線性識別效果較好，但訓(xùn)練時間較慢，RBF(RadialBasisFunction)人工神經(jīng)網(wǎng)絡(luò)識別方法訓(xùn)練速度快，對邊緣鋸齒、焊縫、夾雜、抬頭紋2的識別準(zhǔn)確率較高，但對抬頭紋1，識別不出，易誤識為夾雜，可能的原因是缺陷圖片含有夾雜或劃痕等缺陷成份。