原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2024年第53卷第23期
Vol.53No.232024
热加工工艺
HotWorkingTechnology
ISSN1001-3814CN61-1133/TG
DOI:10.14158/j.cnki.1001-3814. rjggy@
基于特征加权融合的热轧带钢表面缺陷识别
周亚罗1,张健1,刘文广2,张瑞成1
(1.华北理工大学电气工程学院,河北唐山063210;2.首钢京唐钢铁联合有限责任公司,河北唐山063200)
摘要院带钢是现代制造业的重要原材料袁其表面缺陷严重影响了最终产品的性能遥为实现热轧带钢表面缺陷的准确识别分类袁本文提出了一种基于特征加权融合的带钢表面缺陷识别方法遥针对6种类间差异小尧类内差异大的热轧带钢表面缺陷袁分别从特征提取尧特征融合尧特征降维三个方面改进机器学习算法袁获取低维度尧高信息度的缺陷特征遥通
过支持向量机渊SVM冤训练特征袁实现缺陷分类遥实验结果表明袁融合特征较单一特征具有更强的表征能力袁本文方法的
缺陷识别率达到了98.33%袁具有较强的实用性遥
关键词院金属带钢曰缺陷识别曰图像处理曰特征融合曰主成分分析法
中图分类号院TG335.56曰TP181 文献标识码院A 文章编号院1001-3814(2024)23-0098-10
SurfaceDefectRecognitionofHot-rolledStripSteelBasedonFeatureWeightedFusion
ZHOUYaluo1,ZHANGJian1,LIUWenguang2,ZHANGRuicheng1
(1.CollegeofElectricalEngineering,NorthChinaUniversityofScienceandTechnology,Tangshan063210,China;
2.ShougangJingtangIronandSteelUnitedCo.,Ltd.,Tangshan063200,China)
Abstract院Stripsteelisanimportantrawmaterialinmodernmanufacturing,anditssurfacedefectsseriouslyaffecttheperformanceofthefinalproduct.Inordertoachieveaccuraterecognitionandclassificationofsurfacedefectsinhotrolledstripsteel,amethodforidentifyingsurfacedefectsinstripsteelbasedonfeatureweightedfusionwasproposed.For6typesofsurfacedefectsofhotrolledstripsteelwithsmalldifferencesandlargeintra-classdifferences,machinelearningalgorithmswereimprovedfromthreeaspectsoffeatureextraction,featurefusionandfeaturedimensionalityreductiontoobtainlow
dimensionalandhighinformationdefectfeatures.FeaturesweretrainedthroughSupportVectorMachine(SVM)toachievedefectclassification.Theresultsshowthatfusedfeatureshavestrongerrepresentationabilitythansinglefeature,andthedefectrecognitionrateofthemethodreaches98.33%,indicatingstrongpracticality.
Keywords院metalstripsteel;defectidentification;imageprocessing;featurefusion;principalcomponenta
文档评论（0）