文献类型：期刊文章

作　　者：胡慧君[1,2] 李元香[1] 刘茂福[2] 梁文豪[3]

机构地区：[1]武汉大学计算机学院软件工程国家重点实验室,湖北武汉430072 [2]武汉科技大学计算机科学与技术学院智能信息处理与实时工业系统湖北省重点实验室,湖北武汉430065 [3]浙江大华技术有限责任公司,浙江杭州310053

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金项目(610700009);湖北省重点实验室开放基金项目(2013B014)

年　　份：2014

卷　　号：35

期　　号：2

起止页码：620-624

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD_E2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：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。

关 键 词：机器学习  带钢表面缺陷 BP神经网络 支持向量机 OPENCV

分 类 号：TP391.1]