版图分类法在带钢表面缺陷识别中的应用研究

中国机械工程 ›› 2010, Vol. 21 ›› Issue (05): 562-566.

版图分类法在带钢表面缺陷识别中的应用研究

王永慧1;颜云辉1;赵大兴2;赵久梁1

1.东北大学，沈阳，110004

2.湖北工业大学，武汉，430068

出版日期:2010-03-10 发布日期:2010-03-22
基金资助:
国家863高技术研究发展计划资助项目(2008AA04Z135)；国家自然科学基金委员会和上海宝钢集团公司联合资助项目(50574019)
National High-tech R&D Program of China (863 Program) （No. 2008AA04Z135）

Research on Territory Classification Method for Strip Surface Defect Recognition

Wang Yonghui1;Yan Yunhui1;Zhao Daxing2;Zhao Jiuliang1

1.Northeastern University, Shenyang, 110004

2.Hubei University of Technology, Wuhan, 430068

Online:2010-03-10 Published:2010-03-22
Supported by:

National High-tech R&D Program of China (863 Program) （No. 2008AA04Z135）

摘要/Abstract

摘要：

针对现有带钢表面缺陷模式识别分类器所用算法的不足，提出了一种新型的分类算法——版图法。该算法结构简单，在时间消耗较少的情况下，具有更高的识别精度和更好的适应性。类别众多、形态复杂、类别边界交叠的带钢表面缺陷图像分类实验所得结果令人满意。

关键词:

版图, 分类, 带钢, 表面缺陷, 识别

Abstract:

In response to the dilemma for pattern recognition by single classifier toward strip surface defects, a novel classification algorithm territory method was proposed.This method is simple, less time consuming, higher recognition accuracy and adaptability. The experimental study on classifying strip surface defects was presented, and the results show that the defect classes are with complex features, even the overlapping class border. The classification results are satisfactory.

Key words: territory, classification, strip, surface defect, recognition

中图分类号:

TP391.41

王永慧, 颜云辉, 赵大兴, 赵久梁.

版图分类法在带钢表面缺陷识别中的应用研究

[J]. 中国机械工程, 2010, 21(05): 562-566.

WANG Yong-Hui, YA Yun-Hui, DIAO Da-Xin, DIAO Jiu-Liang.

Research on Territory Classification Method for Strip Surface Defect Recognition

[J]. China Mechanical Engineering, 2010, 21(05): 562-566.

[1]	孙晓龙, 张志鹏, 计效园, 童家良, 管雅倩, 张焕东, 周建新. [材料成形中的数字化与智能化产品设计]法向算子和D2算子相结合的铸件三维模型分类算法[J]. 中国机械工程, 2020, 31(22): 2655-2662.
[2]	何飞1,2;杜学飞1,2;王朝俊1,2. 基于对比格兰杰因果关系的热轧带钢头部拉窄根因诊断[J]. 中国机械工程, 2020, 31(19): 2340-2346.
[3]	詹君1;程龙生1;彭宅铭1;胡多海2. 基于混合模型与改进多分类马田系统的控制图模式识别[J]. 中国机械工程, 2019, 30(22): 2716-2724.
[4]	时中朝;郝伟娜;董红召. 基于朴素贝叶斯分类器的公共自行车系统故障诊断方法[J]. 中国机械工程, 2019, 30(08): 983-987.
[5]	唐秋华1,2,3;成丽新1,2,3;张利平1,2,3. 扰动累积下基于机器学习的重调度方式选择[J]. 中国机械工程, 2019, 30(04): 472-479.
[6]	彭方进. [表面强化及损伤机理]一种高鲁棒性的钢轨表面缺陷检测算法[J]. 中国机械工程, 2019, 30(03): 266-270.
[7]	陈亚绒, 黄佩钰, 李沛, 周富得, 黄沈权. [车间调度]并行多机开放车间调度问题的模型与算法[J]. 中国机械工程, 2018, 29(22): 2666-2673,2681.
[8]	于军1，2;于德水1. 流向图在行星齿轮箱故障诊断中的应用[J]. 中国机械工程, 2018, 29(10): 1208-1213.
[9]	张世雄;蔡艳平;石林锁;王旭. 基于离散广义S变换与双向二维主成分分析的内燃机故障诊断[J]. 中国机械工程, 2018, 29(08): 899-905.
[10]	吴士力1;唐振民1;刘奇2. 基于字典相干性优化的稀疏分类在发动机空燃比故障识别中的应用[J]. 中国机械工程, 2017, 28(23): 2773-2778,2784.
[11]	孙洁娣, 彭志涛, 温江涛, 王飞. 基于总体局域均值分解及稀疏表示分类的天然气管道泄漏孔径识别[J]. 中国机械工程, 2017, 28(10): 1202-1209.
[12]	岳泰, 李郝林, 迟玉伦. 基于SMO-SVM的单点金刚笔钝化监测[J]. 中国机械工程, 2015, 26(20): 2733-2739.
[13]	王东城, 王芸红. 基于非圆弧理论的平整机轧制力简化模型[J]. 中国机械工程, 2015, 26(19): 2677-2681.
[14]	刘玉敏, 周昊飞. 基于MSVM的多品种小批量动态过程在线质量智能诊断[J]. 中国机械工程, 2015, 26(17): 2356-2363.
[15]	姚成玉, 李男, 冯中魁, 陈东宁, . 基于粗糙集属性约简和贝叶斯分类器的故障诊断[J]. 中国机械工程, 2015, 26(14): 1969-1977.