一种带钢表面缺陷识别与分类的研究——基于混合加权特征和RBF网络的方法

• 作者: 韩英莉 颜云辉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 混合加权特征 神经网络 带钢表面缺陷 实时检测
• 年，卷（期）: 2007,（14）
• 所属期刊栏目: 工程与应用
• 页码范围: 207-209,222
• 页数: 4页
• 分类号: TP183|TP391.41
• 字数: 3755字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.14.061

摘要

为了为高速生产线上的带钢表面缺陷的实时检测提供有利的条件,对已有的19维特征向量通过顺序后退法选择了混合加权的9维特征向量,选用RBF神经网络作为分类器,通过对现场采集的带钢表面缺陷图片进行训练与识别,确定了RBF网络的扩展速度的最佳值0.4,网络的训练速度较快,缺陷的平均识别率为93.85%.结果表明:提取混合加权向量与选择RBF神经网络的分类器,能够使网络的结构大大减少,同时具有识别速度和识别率上的优势,能够为带钢表面缺陷的在线实时检测提供软件方面的智能技术.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜云辉	东北大学机械工程与自动化学院	99	812	16.0	23.0
2	韩英莉	东北大学机械工程与自动化学院	9	167	7.0	9.0