期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
不变矩法分类识别带钢表面的缺陷 被引量：12
1
作者 张媛 程万胜 赵杰 《光电工程》 EI CAS CSCD 北大核心 2008年第7期90-94,共5页
针对带钢表面缺陷的识别和分类技术,本文采用一种将不变矩与主成分分析法相结合的特征提取方法。首先,对每幅缺陷图像提取22维不变矩特征向量,满足对图像平移、尺度及旋转变化都不敏感;然后,为了提高分类器的效率,应用主成分分析法对特... 针对带钢表面缺陷的识别和分类技术,本文采用一种将不变矩与主成分分析法相结合的特征提取方法。首先,对每幅缺陷图像提取22维不变矩特征向量,满足对图像平移、尺度及旋转变化都不敏感;然后,为了提高分类器的效率,应用主成分分析法对特征向量进行空间降维处理,得到4维特征向量;最后,将特征向量作为BP神经网络的输入,对网络进行权值和阈值训练,达到缺陷分类的目的。实验结果表明,该方法对带钢表面缺陷的平均正确识别率可达到85%以上。 展开更多
关键词 不变矩 主成分分析法 BP神经网络 特征提取 带钢表面缺陷
下载PDF
带钢表面缺陷的一种在线检测识别算法研究 被引量：12
2
作者 韩英莉 洪英 《光电子．激光》 EI CAS CSCD 北大核心 2015年第2期320-327,共8页
为了有效提高在线带钢表面缺陷检测的识别率和实时性,提出了一种优化的量子粒子群-径向基函数(QPSO-RBF)网络的带钢缺陷分类识别算法。首先采用加权模糊C-均值聚类(WFCM)算法确定RBF网络隐含层参数,算法对带钢缺陷特征数据出现的团状分... 为了有效提高在线带钢表面缺陷检测的识别率和实时性,提出了一种优化的量子粒子群-径向基函数(QPSO-RBF)网络的带钢缺陷分类识别算法。首先采用加权模糊C-均值聚类(WFCM)算法确定RBF网络隐含层参数,算法对带钢缺陷特征数据出现的团状分布与疏散分布问题能够达到很好的聚类划分,避免对特征数据集等划分的趋势;然后采用QPSO算法对RBF网络的参数编码成粒子个体,在全局空间中动态地搜索最优适应值的RBF网络参数,提高了网络的学习性能,并建立了带钢缺陷分类识别的专家知识库。实验结果表明:本文算法可以自动获得较优的网络结构,收敛速度快,对带钢缺陷的平均识别率为94.63%,平均误识率为3.0%,对测试样本的识别时间为4ms,小于生产线上每张图片的采集周期10ms,因此,可以为高速生产线上的带钢表面缺陷在线实时检测提供了有利条件。 展开更多
关键词 带钢表面缺陷 实时检测 特征提取 分类识别
原文传递
基于遗传算法的带钢表面缺陷特征降维优化选择 被引量：7
3
作者 汤勃 孔建益 +1 位作者 王兴东 侯宇 《钢铁研究学报》 CAS CSCD 北大核心 2011年第9期59-62,共4页
针对带钢表面的划痕、黑斑、翘皮、辊印、褶皱和压印6种典型缺陷,提取了样本图像的灰度、纹理和几何形状特征等32维特征向量。基于遗传算法对32维特征向量进行降维优化选择,选择了其中的20维以进行缺陷图像类型的分类。利用BP神经网络... 针对带钢表面的划痕、黑斑、翘皮、辊印、褶皱和压印6种典型缺陷,提取了样本图像的灰度、纹理和几何形状特征等32维特征向量。基于遗传算法对32维特征向量进行降维优化选择,选择了其中的20维以进行缺陷图像类型的分类。利用BP神经网络对降维前后的6种典型带钢表面缺陷分类进行对比识别,并同主成分降维方法进行了对比,验证了所提取的带钢表面缺陷图像特征及其遗传算法降维的有效性。 展开更多
关键词 带钢表面缺陷 特征提取 降维 识别与分类
原文传递
带钢表面缺陷多维混合特征提取及识别 被引量：6
4
作者 韩英莉 《钢铁研究学报》 CAS CSCD 北大核心 2015年第6期29-34,共6页
为了自动获得最具区分力的多维融合特征,提出了改进的ReliefF算法对带钢多维混合特征进行自动评估选择。针对ReliefF算法不能去除冗余特征的缺点,引入最大信息压缩准则去除冗余特征。在此基础上,采用遗传神经网络建立带钢缺陷识别的知识... 为了自动获得最具区分力的多维融合特征,提出了改进的ReliefF算法对带钢多维混合特征进行自动评估选择。针对ReliefF算法不能去除冗余特征的缺点,引入最大信息压缩准则去除冗余特征。在此基础上,采用遗传神经网络建立带钢缺陷识别的知识库,遗传算法可以自主地辨识最小的包含最优解的搜索空间,再由BP算法按负梯度方向进行权值及阈值的修正。研究结果表明:改进ReliefF算法为后续分类识别提供了最优的特征向量,减少了数据的运算量和存储量;遗传神经网络算法获得了在满足准确性前提下更高网络识别缺陷的效率。 展开更多
关键词 带钢表面缺陷 特征提取 分类识别 人工神经网络
原文传递
改进YOLOv5模型的带钢表面缺陷检测方法
5
作者 陈万志 张春光 《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2024年第3期359-365,共7页
针对带钢表面缺陷检测中的漏检和精度较低问题,提出一种融合swin-transformer和坐标注意力(coordinate attention,CA)模块的改进YOLOv5模型检测方法。在YOLOv5模型的主干网络中引入swin-transformer特征提取模块,使主干网络更聚焦于图... 针对带钢表面缺陷检测中的漏检和精度较低问题,提出一种融合swin-transformer和坐标注意力(coordinate attention,CA)模块的改进YOLOv5模型检测方法。在YOLOv5模型的主干网络中引入swin-transformer特征提取模块,使主干网络更聚焦于图像全局特征信息的提取;在特征融合网络输出分支末端嵌入CA模块,进一步增强目标缺陷方向和位置信息的敏感度。研究结果表明:改进模型在NEU-DET数据集上的平均精度值(mAP)达到了77.6%,较原YOLOv5模型提高了3个百分点。改进模型提升了带钢表面缺陷检测精度,具有更好的缺陷检测能力。 展开更多
关键词 带钢表面缺陷检测 swin-transformer模块 坐标注意力模块 YOLOv5网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部