當(dāng)前位置:網(wǎng)站首頁(yè) > 鋁管行情
鋁管行情
人們對(duì)制造業(yè)生產(chǎn)線的要求越來(lái)越高,隨著社會(huì)現(xiàn)代化工業(yè)快速發(fā)展以及市場(chǎng)競(jìng)爭(zhēng)的加劇。不僅要滿足高效而且也要保證產(chǎn)品的質(zhì)量。金屬鋁在交通運(yùn)輸、工具制造、航天科技應(yīng)用、人們衣食住行中起著重要的作用,然而在5052鋁板生產(chǎn)過(guò)程中,由于生產(chǎn)設(shè)備陳舊、生產(chǎn)原料批次或質(zhì)量不同以及生產(chǎn)流程等原因的限制使5052鋁板表面產(chǎn)生一些缺陷,正是這些缺陷在很大程度上降低了產(chǎn)品的美觀度、抗腐蝕性和耐磨性,并給冷軋5052鋁板生產(chǎn)企業(yè)帶來(lái)了巨大的損失。因此,對(duì)冷軋5052鋁板表面缺陷的檢測(cè)分類(lèi)此時(shí)顯得尤為重要。本文中對(duì)冷軋5052鋁板表面缺陷進(jìn)行分類(lèi)實(shí)驗(yàn)的過(guò)程中,分別運(yùn)用了5052鋁板支持向量機(jī)分類(lèi)算法和BP神經(jīng)網(wǎng)絡(luò)分類(lèi)算法,通過(guò)分析實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)分類(lèi)方法對(duì)冷軋5052鋁板表面六種缺陷的總體識(shí)別精度不高,分類(lèi)過(guò)程需要時(shí)間較長(zhǎng),泛化能力差而且在對(duì)分類(lèi)模型訓(xùn)練時(shí)需要很多的缺陷樣本,但是該算法對(duì)油斑類(lèi)缺陷的正確分類(lèi)率較高;支持向量機(jī)分類(lèi)算法對(duì)六種缺陷的整體分類(lèi)正確率較高,但是對(duì)于像油斑這樣復(fù)雜類(lèi)缺陷識(shí)別率卻達(dá)不到令人滿意的效果。為了使冷軋5052鋁板表面缺陷整體和單類(lèi)別的分類(lèi)正確率都達(dá)到較高的水平,本論文中研究了一種基于支持向量機(jī)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類(lèi)算法用于對(duì)冷軋5052鋁板表面的缺陷進(jìn)行分類(lèi)。
首先,采用減背景與中值濾波技術(shù)進(jìn)行冷軋5052鋁板表面缺陷圖像的預(yù)處理;其次采用自適應(yīng)閾值法將缺陷區(qū)域從冷軋5052鋁板表面缺陷圖像中分割出;特征提取時(shí),5052鋁板結(jié)合目標(biāo)圖像和分割后缺陷圖像,提取了灰度特征、形狀特征、幾何特征三大類(lèi)特征;訓(xùn)練支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類(lèi)模型時(shí),BP神經(jīng)網(wǎng)絡(luò)隱含層采用一層結(jié)構(gòu),按照一定的規(guī)則通過(guò)對(duì)比多次實(shí)驗(yàn)分類(lèi)結(jié)果設(shè)置隱含層節(jié)點(diǎn)數(shù);支持向量機(jī)選用徑向基函數(shù)作為核函數(shù),通過(guò)交叉驗(yàn)證法確定懲罰因子和核參數(shù),并采用一對(duì)一的分類(lèi)策略進(jìn)行多種缺陷的分類(lèi);支持向量機(jī)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類(lèi)模型對(duì)測(cè)試樣本進(jìn)行分類(lèi)時(shí),先由BP神經(jīng)網(wǎng)絡(luò)分類(lèi)模型判斷測(cè)試樣本是否為油斑,若為油斑則輸出分類(lèi)結(jié)果,若認(rèn)為是第二類(lèi)缺陷,則把該樣本交由支持向量機(jī)分類(lèi)模型進(jìn)行細(xì)分類(lèi),即分為氣泡、破皮、刮痕、孔洞、黑線,最終輸出分類(lèi)結(jié)果。本論文中對(duì)定義的六類(lèi)冷軋5052鋁板表面缺陷進(jìn)行分類(lèi)研究,主要是通OpenCV與VC++編程完成相關(guān)實(shí)驗(yàn)。最終的實(shí)驗(yàn)結(jié)果驗(yàn)證了支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類(lèi)算法的分類(lèi)準(zhǔn)確率高并能滿足實(shí)時(shí)性的要求!