Boosting优化决策树的带钢表面缺陷识别技术.pdfVIP

第 39卷第 5期 红外与激 光工程 2010年 10月 VO1．39NO．5 InrfaredandLaserEngineering 0Ct．2010 Boosting优化决策树的带钢表面缺陷识别技术 杨水 山 ，何 永辉 ，赵 万生 (1．上 海宝钢研 究院 ，上海 201900； 2．上海交通大学 机械工程与动力学院，上海 200030) 摘 要 ：基于 图像信息的缺 陷识别技术是带钢表面缺 陷检测 系统 中的关键技术之一 。通过采用 单一 的分类技术或者一步到位 的创建分类器 ，对复杂带钢表面缺 陷图像进行识别很难达到理想的效 果 。提 出了用Boosting算法结合 SLIQ决策树建立组合分类器来识别带钢表面缺 陷的方法。Boosting 算法通过适应性权重技术和带权重的投票方法，建立并组合多个功能互补的分类器，组合分类器通过 优势互补 的方法有效地提高单个分类器的性能：而SLIQ决策树算法的数据预排序和广度优先技术对 大规模数据分类具有速度优势，适合于作为单个分类器的弱学习算法。对实际带钢表面缺陷数据集进 行测试 ，Boosting优化 SLIQ决策树的组合分类器对缺 陷识别的准确率达到 了90％以上。 关键词：图像识别； 带钢； 表面缺陷； Boosting 中图分类号 ：TP391．1 文献标志码 ：A 文章编号 ：1007—2276(2010)05—0954—05 Strip steelsurfacedefectrecognition basedonBoostingoptimized decision tree YANG Shui—shan，HE Yong—hui，ZHAO W an—sheng (1 ShanghaiBaosteelResearchInstitute，Shanghai201900，China； 2．SchoolofMechanicalEngineering，ShanghaiJiaotongUniversity，Shnaghai 200030，China) Abstract：Defectrecognition basedonimageinformationisoneofthekeytechnologiesinstripsteel surfaceautomaticinspectionsystem ．ApplyingasingletypeofclassificationtechnologyOrbuildingclassifier in onestep，imageclassificationofcomplex strip steeldefectsisvery difficulttoachievethedesireresult． Inthispaper，acombinationclassifierbasedonBoostingalgorithm andSLIQdecisiontreewaspresented． W iht adaptiveweightupdatingand weightedvoting，Boostingalgorihtm could build andcombinemultiple functionalcomplementary classifiers，and improve recognition performance effectively compared with a singleclassifier．Throughdatapre—sortingandbreadth-firstgrowingmethods，SLIQdecisiontreewasfitfor