基于支持向量机的钢板缺陷分类问题的研究

作者：丛成; 吕哲; 高翔; 王敏

来源：物联网技术, 2020, 10(04): 33-40.

DOI：10.16667/j.issn.2095-1302.2020.04.009

• 特征提取
• 主成分分析
• 支持向量机
• Keras
• 神经网络
• 机器学习

现实工业生产中,钢板表面存在不同类型的缺陷,为了研究这些缺陷类型,需要对大量钢板进行特征提取,从缺陷中提取有价值的属性或度量。随后对提取的特征进行选择,选择降低缺陷分类错误的特征信息。在钢板表面缺陷检测系统中,缺陷识别是关键步骤之一,属于多分类问题。采用主成分分析对初始数据进行降维处理,然后采用支持向量机作为分类器,对钢板表面缺陷进行分类,以研究钢板的缺陷类型。同时采用基于Keras的神经网络进行对比分类,并优化钢板缺陷分类。

• 单位
  西北工业大学