-
题名基于字典学习的电子级玻璃纤维布缺陷分类
被引量：1
- 1
-
-
作者
任茹
景军锋
张缓缓
苏泽斌
-
机构
西安工程大学电子信息学院
-
出处
《电子测量技术》
2019年第13期98-102,共5页
-
基金
陕西省高校科协青年人才托举计划项目(20180115)
陕西省教育厅科研计划项目资助(18JK0338)
-
文摘
在电子级玻璃纤维布的缺陷分类中,由于每类缺陷特征的多样性以及其丰富的几何结构的存在,用于分类的特征提取方法具有挑战性。提出了一个自动发现特征的框架,即结构不相关性字典学习(dictionary learning with structured incoherence, DLSI)用于提取每类缺陷的特征,并贡献了电子级玻璃纤维布的数据集。首先,利用DLSI学习每类图像的缺陷特征得到一个特定类字典,该字典适合于表示来自该类的电子级玻璃纤维布缺陷,同时很难表示来自其他类的缺陷图像;接着对于待分类图像,利用学习到的特定类字典对其进行重构,得到相应的重构误差;最后根据误差最小准则对待分类图像进行分类。所提出的方法在玻璃纤维布数据集上的平均分类准确率可达96.33%,显示了DLSI模型对玻璃纤维布缺陷分类的适用性。
-
关键词
电子级玻璃纤维布
缺陷分类
特征提取
结构不相关性字典学习
重构误差
-
Keywords
e-glass fiber fabric
defect classification
feature extraction
dictionary learning with structured incoherence
reconstruction error
-
分类号
TQ171.771.15
[化学工程—玻璃工业]
TP391.41
[化学工程—硅酸盐工业]
-
