欢迎登录材料期刊网
汤勃 , 孔建益 , 王兴东 , 侯宇
钢铁研究学报
针对带钢表面的划痕、黑斑、翘皮、辊印、褶皱和压印6种典型缺陷,提取了样本图像的灰度、纹理和几何形状特征等32维特征向量。基于遗传算法对32维特征向量进行降维优化选择,选择了其中的20维以进行缺陷图像类型的分类。利用BP神经网络对降维前后的6种典型带钢表面缺陷分类进行对比识别,并同主成分降维方法进行了对比,验证了所提取的带钢表面缺陷图像特征及其遗传算法降维的有效性。
关键词: 带钢表面缺陷 , 特征提取 , 降维 , 识别与分类
韩英莉
钢铁研究学报 doi:10.13228/j.boyuan.issn1001-0963.20140168
为了自动获得最具区分力的多维融合特征,提出了改进的ReliefF算法对带钢多维混合特征进行自动评估选择.针对ReliefF算法不能去除冗余特征的缺点,引入最大信息压缩准则去除冗余特征.在此基础上,采用遗传神经网络建立带钢缺陷识别的知识库,遗传算法可以自主地辨识最小的包含最优解的搜索空间,再由BP算法按负梯度方向进行权值及阈值的修正.研究结果表明:改进ReliefF算法为后续分类识别提供了最优的特征向量,减少了数据的运算量和存储量;遗传神经网络算法获得了在满足准确性前提下更高网络识别缺陷的效率.
关键词: 带钢表面缺陷 , 特征提取 , 分类识别 , 人工神经网络
