基于Gabor小波和核保局投影算法的表面缺陷自动识别方法

研究了Gabor小波变换和核保局投影(Kernel locality preserving projections, KLPP)算法的原理, 分析了热轧钢板表面缺陷的特点, 提出了一种基于Gabor小波和KLPP算法的特征提取方法, 并应用于热轧钢板表面缺陷自动识别. 首先利用Gabor小波将图像分解到5个尺度8个方向的40个分量中, 接着对原始图像和各个分量的实部和虚部分别提取均值和方差, 得到一个162维的特征向量, 然后利用KLPP算法将该特征向量的维数降到21维, 最后利用多层感知器网络对样本进行分类识别. 本文提出的特征提取方法具有计算简单、可并行处理的特点, 对沿一定方向分布的边缘和纹理具有较高的区分能力. 利用从工业现场采集的缺陷图像对本文方法进行了实验, 识别率达到93.87%.     

基于支持向量机回归的铸坯表面目标温度设定

提出了一种多输入多输出支持向量机回归算法,利用冶金技术人员计算的目标温度设定表,设定实时二冷区铸坯表面目标温度。200 mm×1 534 mm 16Mn钢板坯连铸试验结果表明,在训练样本相同时,支持向量机训练时间为3.2 s,预测目标温度误差为±1℃,BP神经网络训练时间为23.5 s,预测目标温度误差为±2℃,多输入多输出支持向量机回归算法优于BP神经网络算法,能够根据工艺变化情况,实时改变目标温度,为实现连铸动态控制提供了条件,有助于提高铸坯的质量。