计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2014年
2期
620-624
,共5页
胡慧君%李元香%刘茂福%梁文豪
鬍慧君%李元香%劉茂福%樑文豪
호혜군%리원향%류무복%량문호
机器学习%带钢表面缺陷%BP神经网络%支持向量机%OpenCV
機器學習%帶鋼錶麵缺陷%BP神經網絡%支持嚮量機%OpenCV
궤기학습%대강표면결함%BP신경망락%지지향량궤%OpenCV
machine learning%steel strip surface defects%back-propagation neural network%support vector machine%OpenCV
对基于BP神经网络和支持向量机的带钢表面缺陷类别识别方法进行了研究,基于检测出缺陷的目标图像,根据不同缺陷的灰度均值设定两种阈值,进行二值化处理;结合目标图像和二值化图像提取几何特征、形状特征以及灰度特征.在基于BP神经网络训练分类器时,采用三层神经网络模型,通过多次实验确定隐含层神经元数;在基于支持向量机训练分类器时,采用高斯径向基函数作为核函数,通过交叉验证确定相关参数,采用“一对一”的策略实现多分类.实验结果表明,支持向量机模型分类准确率更高,BP神经网络平均识别时间优于支持向量机.
對基于BP神經網絡和支持嚮量機的帶鋼錶麵缺陷類彆識彆方法進行瞭研究,基于檢測齣缺陷的目標圖像,根據不同缺陷的灰度均值設定兩種閾值,進行二值化處理;結閤目標圖像和二值化圖像提取幾何特徵、形狀特徵以及灰度特徵.在基于BP神經網絡訓練分類器時,採用三層神經網絡模型,通過多次實驗確定隱含層神經元數;在基于支持嚮量機訓練分類器時,採用高斯徑嚮基函數作為覈函數,通過交扠驗證確定相關參數,採用“一對一”的策略實現多分類.實驗結果錶明,支持嚮量機模型分類準確率更高,BP神經網絡平均識彆時間優于支持嚮量機.
대기우BP신경망락화지지향량궤적대강표면결함유별식별방법진행료연구,기우검측출결함적목표도상,근거불동결함적회도균치설정량충역치,진행이치화처리;결합목표도상화이치화도상제취궤하특정、형상특정이급회도특정.재기우BP신경망락훈련분류기시,채용삼층신경망락모형,통과다차실험학정은함층신경원수;재기우지지향량궤훈련분류기시,채용고사경향기함수작위핵함수,통과교차험증학정상관삼수,채용“일대일”적책략실현다분류.실험결과표명,지지향량궤모형분류준학솔경고,BP신경망락평균식별시간우우지지향량궤.
