改进组合分类器的冷轧带钢表面缺陷识别研究

• 作者: 化春键 周海英
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 表面缺陷 冷轧带钢 组合分类器 分类
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 材料科学
• 页码范围: 1785-1790
• 页数: 6页
• 分类号: TP274+.3
• 字数: 4663字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.2017.1124

摘要

针对表面缺陷种类多样、形态复杂的冷轧带钢,若采用单一分类器识别分类,会存在对个别缺陷不敏感、识别率低的情况,且会导致分类器处理特征数据规模过大,系统的鲁棒性和稳定性很难得到保证.为此提出基于改进组合分类器的冷轧带钢表面缺陷识别方法,将优化BP神经网络、概率神经网络以及改进的支持向量机进行组合,利用分类信息的互补性进行综合分类,从而构建了较优的分类系统.实验结果表明:改进组合分类器弥补了单个分类器网络训练的不足;针对每一类缺陷识别时准确率都较高,能增加整体分类器的泛化能力,整体识别正确率可达95％以上,且识别高效、稳定,具有实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	化春键	江南大学机械工程学院	34	63	4.0	5.0
5	周海英	江南大学机械工程学院	4	11	2.0	3.0