[发明专利]基于BP神经网络和支持向量机的铝板表面缺陷分类方法在审
| 申请号： | 201510202749.9 | 申请日： | 2015-04-24 |
| 公开（公告）号： | CN104766097A | 公开（公告）日： | 2015-07-08 |
| 发明（设计）人： | 李庆华;柳笛;张凯丽;刘雪真 | 申请（专利权）人： | 齐鲁工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 赵妍 |
| 地址： | 250353 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于BP神经网络和支持向量机的铝板表面缺陷分类方法，提取铝板表面缺陷的特征值作为BP神经网络分类模型的输入量，油斑和第一类缺陷作为输出量构建BP神经网络分类模型；第一类缺陷采用一对一的分类方法，构建多个支持向量机分类模型；获取学习样本并训练BP神经网络分类模型与支持向量机分类模型；利用BP神经网络分类模型进行油斑和第一类缺陷的分类，把BP神经网络分类模型认为是油斑的测试样本剔除，用支持向量机分类模型对剩下的第一类缺陷再进行分类；最后统计得到分类结果。该方法不仅提高了冷轧铝板表面油斑的识别分类率，同时也提高了冷轧铝板表面缺陷的整体识别率，也可用于其他金属表面缺陷的识别分类，且简单，易于实现。 | ||
| 搜索关键词： | 基于 bp 神经网络 支持 向量 表面 缺陷 分类 方法 | ||
【主权项】：
基于BP神经网络和支持向量机的铝板表面缺陷分类方法，其特征是，提取铝板表面缺陷的特征值作为BP神经网络分类模型的输入量，油斑和非油斑的第一类缺陷作为输出量构建BP神经网络分类模型；第一类缺陷采用一对一的分类方法，构建多个支持向量机分类模型；获取学习样本并训练BP神经网络分类模型与支持向量机分类模型；利用训练后的BP神经网络分类模型分出油斑和非油斑的第一类缺陷，把训练后的BP神经网络分类模型认为是油斑的测试样本剔除，只剩下第一类缺陷的测试样本；用训练后的支持向量机分类模型对剩下的第一类缺陷再进行分类；最后统计得到分类结果；利用BP神经网络分出油斑，再利用支持向量机对第一类缺陷进行细分，两类分类方法的融合实现了精准快速的分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于齐鲁工业大学，未经齐鲁工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510202749.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种计数码盘
- 下一篇：一种基于麦克风阵列的声目标分类方法
