基于机器学习的裂纹识别研究现状及发展趋势

• 作者: 彭建盛 李涛涛 侯雅茹 许恒铭
• 来源期刊: 广西科学
• 关键词: 裂纹识别 机器学习 特征提取 计算机视觉 图像处理
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 人工智能与无线网络|Artificial Intelligence and Wireless Network
• 页码范围: 215-228
• 页数: 14页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13656/j.cnki.gxkx.20210830.004

摘要

裂纹识别一直是机器视觉领域的重要研究内容,尤其是与之相关的自动检测算法在近年来备受关注.深度学习作为机器学习的一个分支,其在裂纹识别方面已显现出强大的功能和灵活性.本文对基于机器学习的裂纹识别技术的发展情况、研究现状以及典型方法进行详细介绍:首先介绍了多种机器学习方法在裂纹识别领域的应用,并从特征提取算法和应用对象等方面介绍了支持向量机(Support Vector Machine,SVM)、K最近邻(K-Nearest Neighbor,KNN)、神经网络、决策树和随机森林等常用的分类器;其次,从网络模型、数据集和应用对象等方面介绍了深度学习方法在裂纹识别领域的应用.同时,本文还对近20年(2000-2020年)的81篇相关文献进行对比分析,认为未来金属裂纹的识别依旧是热门研究,多种算法的混合会逐渐替代单一算法成为今后的发展方向.