位置:成果数据库 > 期刊 > 期刊详情页
Boosting优化决策树的带钢表面缺陷识别技术
  • ISSN号:1007-2276
  • 期刊名称:《红外与激光工程》
  • 时间:0
  • 分类:TP391.1[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]上海宝钢研究院,上海201900, [2]上海交通大学机械工程与动力学院,上海200030
  • 相关基金:国家自然科学基金资助项目(60736010)
中文摘要:

基于图像信息的缺陷识别技术是带钢表面缺陷检测系统中的关键技术之一。通过采用单一的分类技术或者一步到位的创建分类器,对复杂带钢表面缺陷图像进行识别很难达到理想的效果。提出了用Boosting算法结合SLIQ决策树建立组合分类器来识别带钢表面缺陷的方法。Boosting算法通过适应性权重技术和带权重的投票方法,建立并组合多个功能互补的分类器,组合分类器通过优势互补的方法有效地提高单个分类器的性能;而SLIQ决策树算法的数据预排序和广度优先技术对大规模数据分类具有速度优势,适合于作为单个分类器的弱学习算法。对实际带钢表面缺陷数据集进行测试,Boosting优化SLIQ决策树的组合分类器对缺陷识别的准确率达到了90%以上。

英文摘要:

Defect recognition based on image information is one of the key technologies in strip steel surface automatic inspection system.Applying a single type of classification technology or building classifier in one step,image classification of complex strip steel defects is very difficult to achieve the desire result.In this paper,a combination classifier based on Boosting algorithm and SLIQ decision tree was presented.With adaptive weight updating and weighted voting,Boosting algorithm could build and combine multiple functional complementary classifiers,and improve recognition performance effectively compared with a single classifier.Through data pre-sorting and breadth-first growing methods,SLIQ decision tree was fit for large data processing and could be used in weak learning algorithm of each single classifier.Tests on real strip steel surface defect datasets were carried out.The result shows that combination classifiers of Boosting optimized SLIQ decision tree can improve the accuracy of defects recognition up to 90%.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《红外与激光工程》
  • 中国科技核心期刊
  • 主管单位:中国航天科工集团
  • 主办单位:天津津航技术物理研究所
  • 主编:张锋
  • 地址:天津市空港经济区中环西路58号
  • 邮编:300308
  • 邮箱:irla@csoe.org.cn
  • 电话:022-58168883 /4/5
  • 国际标准刊号:ISSN:1007-2276
  • 国内统一刊号:ISSN:12-1261/TN
  • 邮发代号:6-133
  • 获奖情况:
  • 1996年获航天系统第五次科技期刊评比三等奖,1998年获航天系统第六次科技期刊评比二等奖,1997-2001年在天津市科技期刊评估中被评为一级期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:17466