[发明专利]一种基于概率极限学习机集成的泡沫镍表面缺陷分类方法

摘要

本发明公开了一种基于概率极限学习机集成的泡沫镍表面缺陷分类方法，它首先获取了泡沫镍的表面缺陷图像，包括污染、折痕、裂纹、漏镀、刮伤这五类；然后分别提取泡沫镍表层纹理特征，包括能量、熵、逆差矩和相关性，作为极限学习机多分类器的输入样本x；通过概率极限学习机分类性能的分析，构建概率极限学习机集成策略；以样本x为输入，采用概率极限学习机集成策略构建泡沫镍缺陷分类模型，实时对多泡沫镍缺陷进行分类。本发明避免多个概率输出值接近时所造成的误判，有效降低各类缺陷样本相似造成的误判。工业数据的仿真说明本方法具有较好的分类性能，使缺陷的识别率达到85%以上，满足现场企业需求，为泡沫镍生产过程的自动检测和优化控制奠定基础。

主权项

一种基于概率极限学习机集成的泡沫镍表面缺陷分类方法，其特征在于，包括如下步骤：步骤1：获取各种泡沫镍表面缺陷图像，包括污染、折痕、裂纹、漏镀、刮伤这五种常见缺陷图像；步骤2：分别提取泡沫镍图像的纹理特征，包括能量、熵、对比度和逆差矩，作为极限学习机多分类器的输入样本x；步骤3：构建概率极限学习机集成策略；步骤4：以样本x为输入，采用概率极限学习机集成策略构建泡沫镍缺陷分类模型，实时对多泡沫镍缺陷进行分类。