基于KPCA和SVM的汽车车身缺陷识别方法

• 作者: 刘凯磊 张卫平 张陈 施晓芳 杨龙兴
• 来源期刊: 物联网技术
• 关键词: 无损检测 分类识别 时频域分析 定量检测 核主成分分析法 支持向量机
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 智能处理与应用
• 页码范围: 61-64
• 页数: 4页
• 分类号: TP216|TG115
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2019.08.020

摘要

汽车在长期使用中,车身容易发生疲劳裂纹和腐蚀等缺陷,而车身通常采取多层合金复合材料,因此给检测造成巨大的困难.目前无损检测技术可以有效针对该类型缺陷进行检测和自动分类识别,该技术采用时频域分析手段,实现缺陷的定量检测.在此基础上,进一步提出基于核主成分分析法(KPCA)和支持向量机(SVM)相结合的方法来提高缺陷分类识别准确率.理论分析和实验结果相一致,验证了所采用方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨龙兴		19	25	3.0	4.0
2	刘凯磊		20	8	2.0	2.0
3	张卫平		4	5	2.0	2.0
4	张陈		7	2	1.0	1.0
5	施晓芳		3	3	1.0	1.0