基于径向基神经网络的粒子群表面缺陷识别算法

• 作者: 蓝机满
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 径向基 粒子群 优化算法 表面缺陷识别
• 年，卷（期）: 2019,（5）
• 页码范围: 92-95
• 页数: 4页
• 分类号: TP394
• 字数: 2635字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2019.05.018

摘要

金属部件表面缺陷识别问题是模式识别领域的研究热点,高效、可靠的表面缺陷识别方法能够有效提高生产效率、维护生产安全.针对这一问题,文中提出了一种利用径向基(RBF)神经网络和粒子群优化(PSO)算法相结合的表面缺陷识别算法.采用PSO算法确定和改进RBF神经网络的权值参数,同时对PSO算法中的惯性权重进行线性处理,有效消除了PSO算法中的最优解局部振荡现象.针对金属部件表面常见的几种缺陷对RBF-PSO表面缺陷识别算法进行网络训练,并进行相应的实际测试.文中提出的RBF-PSO表面识别算法识别准确率可达96％,相比于传统的神经网络算法具有明显的性能提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蓝机满		6	15	2.0	3.0