[01766653]一种基于流形学习的带钢表面缺陷检测方法

带钢是钢铁工业的主要产品形式之一,是航空航天、汽车轮船制造等必备原材料。故带钢的质量检测尤为重要,关系到许多制造行业的发展,而表面质量是带钢最为重要质量因素之一,是企业赢得市场的重要条件。因此,带钢表面质量的检测由于其重要的实用价值正受到越来越多的重视。 钢板表面质量检测经历了人工目测检测、传统无损检测和基于机器视觉检测的三个发展阶段。人工目视检测表面缺陷的方法效率低、容易漏检、劳动强度大和实时性差。传统无损检测方法包括涡流检测、红外检测、漏磁检测和激光检测等,这些方法检到的缺陷类型少,检测实时性不强,检测的表面缺陷分辨率也不高,无法有效评估产品的表面质量状况。目前,基于机器视觉的表面质量检测方法是研究的热点,该方法用摄相机采集钢板表面图像,然后通过图像处理和分析提取缺陷图像特征,进行缺陷的自动分类。但在进行分类时,依然采用比较传统的数据分析方法如神经网络、小波分析和核局部保持投影、独立分量分析和主成分分析等方法,分类效果不好,应用效果不显著。本发明采用多流形学习方法提取带钢表面缺陷图像的特征,一方面利用向量数据的类别信息来建立同类数据子图和异类数据子图,另一方面在各子图中采用局部线性表示来计算各子图权值,保持了多流形的局部结构信息,同时以最大化表示异类数据的异类数据子图散度和表示同类数据的同类数据子图散度之差,寻找最佳分类子空间,提高带钢表面缺陷的识别效率。 本发明属于带钢表面缺陷识别技术领域。特别是涉及一种基于多流形学习的带钢表面缺陷识别方法。本具体实施方式与比较传统的方法如LPP相比,识别率提高了2.34%。 因此,多流形学习方法提取带钢表面缺陷图像的特征的本发明具有效率高和效果好的特点。最后计算测试样本的类别预测正确率,本发明与比较传统的方法如LPP相比,识别率提高了2.34%。