基于遺傳算法的冷軋帶鋼缺陷圖像模式識(shí)別研究.pdf

1、作為鋼鐵工業(yè)的主要產(chǎn)品之一，冷軋帶鋼已成為汽車、機(jī)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(zhì)量的優(yōu)劣將直接影響其最終產(chǎn)品的性能和質(zhì)量。在冷軋帶鋼制造過程中，由于連鑄鋼坯、軋制設(shè)備、加工工藝等多方面的原因，導(dǎo)致帶鋼表面出現(xiàn)裂紋、氧化皮、結(jié)疤、輥印、刮傷、孔洞、針眼、鱗皮、表皮分層、麻點(diǎn)等不同類型的缺陷，這些缺陷不僅影響產(chǎn)品的外觀，更嚴(yán)重的是降低了產(chǎn)品的抗腐蝕性、耐磨性和疲勞強(qiáng)度等性能。通過提取冷軋帶鋼缺陷圖像特征，采用模

2、式識(shí)別方法進(jìn)行模式識(shí)別，可以很好的實(shí)現(xiàn)冷軋帶鋼表面質(zhì)量的智能化診斷，為提高帶鋼表面質(zhì)量提供可行的解決方案。 本課題結(jié)合小波變換和遺傳算法進(jìn)行模式識(shí)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(chǔ)上，用遺傳算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練，能夠獲得類別可分離性很好的L1范數(shù)二次統(tǒng)計(jì)特征向量；然后，利用快速FCM方法來對(duì)冷軋帶鋼表面缺陷圖像進(jìn)行模式識(shí)別。 本文采用上述方法對(duì)上海寶鋼益昌薄板有限公司經(jīng)

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(jìn)行識(shí)別研究。對(duì)總共120幅冷軋帶鋼缺陷圖像的識(shí)別實(shí)驗(yàn)表明，當(dāng)采用5訓(xùn)練樣本時(shí)，其平均識(shí)別率能夠達(dá)到85.825％，而當(dāng)訓(xùn)練樣本增加到10個(gè)時(shí)，該分類器平均識(shí)別率達(dá)到了93.35％。實(shí)驗(yàn)表明，將小波變換和遺傳算法相結(jié)合的識(shí)別方法具有自動(dòng)、快速、自適應(yīng)的優(yōu)點(diǎn)，能克服傳統(tǒng)識(shí)別方法中由于樣本選擇而產(chǎn)生的局限性，提高了識(shí)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