板带钢缺陷图像的多体分类模型及识别技术研究

论文摘要

随着市场变化及其结构的调整,高品质的板带钢在钢铁工业中的地位日益重要。它在汽车、家电、造船、航空航天等相关领域有重要应用并且需求量上升迅猛。由于连铸钢坯、轧制设备、加工工艺等多方面的原因,会导致板带钢表面出现焊缝、夹杂、抬头纹、氧化皮、结疤、辊印、刮伤等多种类型的缺陷。这些缺陷的存在,一方面降低了产品的抗腐蚀性、耐磨性和疲劳强度等性能,另一方面也使其无法应用于外观要求较高的领域。虽然我国的钢铁产量居世界第一,但每年却需要大量进口高品质的钢板。提高板带钢表面缺陷的检测与控制水平,具有重要的战略意义。模式识别是基于图像信息的检测技术的重要步骤。目前应用于板带钢表面缺陷检测系统的模式识别方法存在环节众多、识别率低、识别速度较慢、推广性差、适应性差等不足。其原因主要在于:就研究对象的特征而言,一方面不同类缺陷的图像在特征上并不存在很明确的界限,另一方面,同一类缺陷的图像在特征上存在较大差异;就常用模式分类方法而言,其分类机制与特征空间中类别的分布特性在表现方式、尺度、扩张性等方面存在的多种不一致,产生了聚类中心周围含有其它类别杂点、拟合划分面切开同类样本等问题,增加了误识的可能。对于以上存在的问题,可以通过构建适应性良好的分类模型加以解决。因此,本文在分类模型及具体的分类器实现方法上展开研究,具体研究内容和取得成果如下:（1）对模式分类机制进行深入研究,总结分析目前常用的分类方法存在的问题。针对这些问题,提出类别的本征空间和认知空间的概念,进而提出与类别在认知空间的分布状态的一致性较好的以多个单一类别的扩张体为基本元素的多体分类模型,给出了该模型的具体构建方法。通过理论分析和实例分析表明该模型与常用方法相比的在分类机制上优越性。（2）结合多体分类模型,对传统SOFM神经网络进行改进和优化,提出了WTM-SOFM分类法。该方法采用跟踪SOFM网络训练历史轨迹的方式克服了SOFM神经网络对类别间隔狭小或空间怠点分类能力的不足。实验研究表明它相比SOFM具有更强的边界冲突调解及边界扩张能力。（3）研究并提出一种新的模式分类方法,即版图分类法。该方法受到人类历史上版图形成过程中多体划分效果的启发,结合多体分类模型的要求而构建。与WTM-SOFM方法相比,它对未知分类空间的估计划分更具合理性。实例分析表明,在众多其它方法很难解决或根本无法计算的类边界复杂交错、多尺度等分类问题上,仍然可以表现出很高的识别率和识别速度。在板带钢表面缺陷分类实验中,对六种缺陷的识别率明显高于其它常用分类方法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的背景
• 1.2 研究的现状
• 1.2.1 模式识别技术
• 1.2.2 模式分类方祛
• 1.3 研究的意义
• 1.4 存在的主要问题
• 1.5 研究的主要内容
• 第二章 常用模式分类机制
• 2.1 引言
• 2.2 面分类方法
• 2.2.1 线性分类面的分类机制
• 2.2.2 支持向量机分类机制
• 2.2.3 人工神经网络感知器分类机制
• 2.2.4 决策树分类机制
• 2.2.5 综合分析
• 2.3 距离分类方法
• 2.3.1 类间类内距离分类机制
• 2.3.2 K-近邻法的分类机制
• 2.4 存在的主要问题
• 2.5 本章小节
• 第三章 多体分类模型
• 3.1 引言
• 3.2 类别本征空间
• 3.3 类别认知空间
• 3.4 类别表示
• 3.4.1 超立方体表示方法
• 3.4.2 超球体表示方法
• 3.5 多体分类模型及特性分析
• 3.5.1 模型建立
• 3.5.2 模型特性分析
• 3.5.3 分类风险分析
• 3.5.4 多体分类的风险控制
• 3.6 应用实例
• 3.7 本章小节
• 第四章 WTM-SOFM方法
• 4.1 引言
• 4.2 SOFM神经网络
• 4.3 SOFM分类器
• 4.4 SOFM分类器存在的问题
• 4.5 WTM-SOFM分类器
• 4.5.1 训练算法
• 4.5.2 WTM-SOFM的训练控制
• 4.6 WTM-SOFM实验研究
• 4.6.1 实验过程
• 4.6.2 实验分析
• 4.7 本章小结
• 第五章 版图分类法
• 5.1 引言
• 5.2 分类与领土形成
• 5.3 版图法分类的基础
• 5.3.1 基本假设
• 5.3.2 竞争原则
• 5.4 数学模型
• 5.4.1 相关概念
• 5.4.2 版图法建模
• 5.5 实验研究
• 5.5.1 实验过程
• 5.5.2 实验分析
• 5.6 本章小节
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的论文和科研成果
• 作者简介