基于支持向量機(jī)的帶鋼表面缺陷識(shí)別問(wèn)題研究.pdf

1、冷軋帶鋼是家用電器、機(jī)械制造等工業(yè)領(lǐng)域所必不可少的原材料之一。帶鋼表面質(zhì)量直接影響后續(xù)產(chǎn)品的質(zhì)量，因此，帶鋼表面質(zhì)量的控制與提高是許多企業(yè)最為關(guān)心的問(wèn)題之一，帶鋼表面缺陷檢測(cè)技術(shù)隨之受到了越來(lái)越多的重視。模式識(shí)別是整個(gè)檢測(cè)系統(tǒng)的關(guān)鍵，本文對(duì)帶鋼表面缺陷圖像進(jìn)行預(yù)處理、特征的提取與選擇及模式識(shí)別。
　　由于現(xiàn)場(chǎng)環(huán)境中的噪聲污染及光學(xué)系統(tǒng)影響等因素都會(huì)降低原圖像的質(zhì)量，進(jìn)而影響后續(xù)分類(lèi)過(guò)程，因此，首先對(duì)帶鋼表面缺陷圖像進(jìn)行預(yù)處理。針對(duì)

2、上述問(wèn)題，采取了自適應(yīng)中值濾波算法與同態(tài)濾波算法相結(jié)合的方法，前者可以較好的實(shí)現(xiàn)圖像去噪，后者可以較穩(wěn)定的去除圖像不均勻，最終使圖像質(zhì)量得到了較好的改善。
　　其次，在紋理與形態(tài)兩方面對(duì)圖像進(jìn)行特征提取，并將其作為原始特征。由于混合后的原始特征以后容易出現(xiàn)特征冗余或者維數(shù)過(guò)高的情況，進(jìn)而影響缺陷模式識(shí)別的效果，因此，采取了ReliefF算法與聚類(lèi)算法相結(jié)合的方法進(jìn)行特征篩選。前者用于篩選對(duì)分類(lèi)有用的特征，后者用于剔除冗余特征，并詳