基于遺傳算法的冷軋帶鋼缺陷圖像模式識別研究.pdf

1、作為鋼鐵工業(yè)的主要產品之一，冷軋帶鋼已成為汽車、機械制造、化工、航空航天和造船等行業(yè)不可缺少的原材料，其表面質量的優(yōu)劣將直接影響其最終產品的性能和質量。在冷軋帶鋼制造過程中，由于連鑄鋼坯、軋制設備、加工工藝等多方面的原因，導致帶鋼表面出現(xiàn)裂紋、氧化皮、結疤、輥印、刮傷、孔洞、針眼、鱗皮、表皮分層、麻點等不同類型的缺陷，這些缺陷不僅影響產品的外觀，更嚴重的是降低了產品的抗腐蝕性、耐磨性和疲勞強度等性能。通過提取冷軋帶鋼缺陷圖像特征，采用模

2、式識別方法進行模式識別，可以很好的實現(xiàn)冷軋帶鋼表面質量的智能化診斷，為提高帶鋼表面質量提供可行的解決方案。 本課題結合小波變換和遺傳算法進行模式識別，通過該方法能夠獲得類別可分離性很好的特征向量。該方法在小波變換提取的L1范數(shù)特征的基礎上，用遺傳算法進行網(wǎng)絡訓練，能夠獲得類別可分離性很好的L1范數(shù)二次統(tǒng)計特征向量；然后，利用快速FCM方法來對冷軋帶鋼表面缺陷圖像進行模式識別。 本文采用上述方法對上海寶鋼益昌薄板有限公司經

3、常出現(xiàn)的四類冷軋帶鋼缺陷圖像：邊緣鋸齒、焊縫、夾雜、抬頭紋進行識別研究。對總共120幅冷軋帶鋼缺陷圖像的識別實驗表明，當采用5訓練樣本時，其平均識別率能夠達到85.825％，而當訓練樣本增加到10個時，該分類器平均識別率達到了93.35％。實驗表明，將小波變換和遺傳算法相結合的識別方法具有自動、快速、自適應的優(yōu)點，能克服傳統(tǒng)識別方法中由于樣本選擇而產生的局限性，提高了識別的正確率。 本文全部研究工作是基于自行開發(fā)的冷軋帶鋼缺陷圖