文献类型：期刊文章

作　　者：李爱莲[1] 郭志斌[1] 解韶峰[2] 赵多祯[1] 张帅[1]

LI Ailian;GUO Zhibin;XIE Shaofeng;ZHAO Duozhen;ZHANG Shuai(Information Engineering Institute,Inner Mongolia University of Science and Technology,Baotou 014010,China;Capital Construction Department,Inner Mongolia University of Science and Technology,Baotou 014010,China)

机构地区：[1]内蒙古科技大学信息工程学院,内蒙古包头014010 [2]内蒙古科技大学基建处,内蒙古包头014010

出　　处：《中国测试》

基　　金：内蒙古自治区自然科学基金项目资助(2016MS0610,2014MS0612);内蒙古科技大学产学研合作培育基金资助项目(PY-201512)

年　　份：2020

卷　　号：46

期　　号：1

起止页码：110-116

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：热轧带钢表面的温度高、生产速度快,辐射光强,并且存在着水、氧化铁皮、光照不均等现象,难以通过人工进行表面质量在线检测。针对当前国内某钢厂热轧钢板表面缺陷检测仍由人工离线完成、缺陷识别准确率低的生产问题,充分利用大量图像信息,提出一种图像处理与蚁群和粒子群混合优化支持向量机结合的缺陷分类方法。首先,融合局部二值模式和局部相位量化两种特征提取方式的优点,进行钢板缺陷图片的特征提取,采用蚁群和粒子群优化出支持向量机的惩罚参数和核函数参数进行钢板表面的缺陷分类。最后采用Matlab仿真平台,将蚁群和粒子群混合优化的支持向量机分类模型与传统的支持向量机分类模型进行仿真对比分析。试验结果表明,采用蚁群和粒子群混合优化的支持向量机分类模型的分类精度高于传统的支持向量机模型。

关 键 词：钢板表面缺陷分类  图像特征融合  蚁群算法 粒子群算法 支持向量机

分 类 号：TP751.1]