教案神经网络决策树算法在钢材表面缺陷检测中的应用研究.docVIP

神经网络决策树算法在钢材表面缺陷检测中的应用研究 结论,如果想得到比较好的精度 分类层次结构 , 重要信息,然后,从样本图像中选择部分有缺陷的 收稿日期: 卜 ? 作者简介:徐风云 一 ,女,安徽淮北人,工学硕士学位,讲师,研究方向:自动检测。第 期 徐风云:神经网络决策树算法在钢材表面缺陷检测中的应用研究最好先把最容易分类的类别分出来,这样积累的错 为了提高 神经网络多类分类器分类正确率, 通过聚类分析出类距离方式生成决策二叉树层次 误会最小。 具体分类器构造示意图为图 :分类器 将擦 结构,将最容易划分的类别先划分出来,然后将较 伤,孑洞,氧化色,飞边,辊印与压痕分开;分类器 容易划分出来的类别一次划分出来,实现最终的分 将擦伤,孔洞,飞边,辊印与氧化色分开;分类器 将 类处理。 孔洞,飞边,辊印与擦伤分开;分类器 将孑 洞,辊印 具体的,设第类聚类中心为 维数据 ;,表示 与飞边分开;分类器 将孑 洞与辊印分开。将这五 为 ;, , ,第 类聚类中心为 维数据 ,表示为。 个分类器依次组合使用,就可以实现多类别分类, ,, “,定义类距离为: 实现了一个多类分类器,实现钢板的缺陷分类处 ., √ 一 叠十 一 ; 牛 十潜 一 。 理。 笔者从已有的样本中挑选出最为典型的构成 训练样本集,作为 分类器的输入值,通过类距离 公式计算出各类距离,根据各类距离判断,按照分 离出的容易程度,一次可以分出压痕、氧化色、擦 伤、飞边、孔洞、辊印。 再将钢材表面缺陷检测装置实际检测到测试 样本输入神经网络检测缺陷区域,得到每类样本的 缺陷区域。将所有原始训练样本、测试样本图像, 按照前面的预处理方法进行预处理,然后按照同样 的分割方式进行分割,提取出分割的样本块的特征 信息,构成一序列的向量,输入已经训练完成的分 图 决策树多类分类器的设计 类器,进行缺陷检测,检测出样本的缺陷区域,检测 . 分类器测试及结果分析 结果如表 所示。 表 样本检测结果统计 结论 况。由于压痕缺陷和辊印缺陷在外在表现形式 上有些相似,形状特征比较接近,系统将这两种 由检测结果可以看出:将待检测的样本输入 如前所构筑的 神经网络进行检测,可以有效的 缺陷互相误判的可能性大,缺陷的平均检测率为. %。 检测出训练样本的缺陷位置和缺陷存在的情 注释及参考文献: 【】胡亮.带钢表面缺陷计算机视觉在线检测系统的设计Ⅱ】.工业控制计算机, : ? . 【】王庆. 神经网络的冷轧带钢表面缺陷分类研究Ⅱ】.福建电脑, : . 【】刘红冰.基于神经网络的冷轧带钢表面缺陷检测Ⅱ】.中国图象图形学报, : ?下转 页