基于支持向量機(jī)的冷軋鋁板表面缺陷分類算法的研究.pdf

1、隨著社會(huì)現(xiàn)代化工業(yè)快速發(fā)展以及市場(chǎng)競(jìng)爭(zhēng)的加劇，人們對(duì)制造業(yè)生產(chǎn)線的要求越來(lái)越高，不僅要滿足高效而且也要保證產(chǎn)品的質(zhì)量。金屬鋁在交通運(yùn)輸、工具制造、航天科技應(yīng)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(shè)備陳舊、生產(chǎn)原料批次或質(zhì)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(lái)了巨大的損失。因此，對(duì)冷軋鋁板表面缺陷的檢測(cè)分類此時(shí)

2、顯得尤為重要。
　　本文中對(duì)冷軋鋁板表面缺陷進(jìn)行分類實(shí)驗(yàn)的過程中，分別運(yùn)用了支持向量機(jī)分類算法和BP神經(jīng)網(wǎng)絡(luò)分類算法，通過分析實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)分類方法對(duì)冷軋鋁板表面六種缺陷的總體識(shí)別精度不高，分類過程需要時(shí)間較長(zhǎng)，泛化能力差而且在對(duì)分類模型訓(xùn)練時(shí)需要很多的缺陷樣本，但是該算法對(duì)油斑類缺陷的正確分類率較高；支持向量機(jī)分類算法對(duì)六種缺陷的整體分類正確率較高，但是對(duì)于像油斑這樣復(fù)雜類缺陷識(shí)別率卻達(dá)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(dá)到較高的水平，本論文中研究了一種基于支持向量機(jī)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類算法用于對(duì)冷軋鋁板表面的缺陷進(jìn)行分類。首先，采用減背景與中值濾波技術(shù)進(jìn)行冷軋鋁板表面缺陷圖像的預(yù)處理；其次采用自適應(yīng)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(shí)，結(jié)合目標(biāo)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(xùn)練支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類模型時(shí)，BP神經(jīng)網(wǎng)絡(luò)隱含層采用一層結(jié)

4、構(gòu)，按照一定的規(guī)則通過對(duì)比多次實(shí)驗(yàn)分類結(jié)果設(shè)置隱含層節(jié)點(diǎn)數(shù)；支持向量機(jī)選用徑向基函數(shù)作為核函數(shù)，通過交叉驗(yàn)證法確定懲罰因子和核參數(shù)，并采用一對(duì)一的分類策略進(jìn)行多種缺陷的分類；支持向量機(jī)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類模型對(duì)測(cè)試樣本進(jìn)行分類時(shí)，先由BP神經(jīng)網(wǎng)絡(luò)分類模型判斷測(cè)試樣本是否為油斑，若為油斑則輸出分類結(jié)果，若認(rèn)為是第二類缺陷，則把該樣本交由支持向量機(jī)分類模型進(jìn)行細(xì)分類，即分為氣泡、破皮、刮痕、孔洞、黑線，最終輸出分類結(jié)果。
　　本