Boosting优化决策树的带钢表面缺陷识别技术

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健技术之一.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.

关键词：图像识别、带钢、表面缺陷、Boosting

所属期刊栏目：39

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60736010

在线出版日期：2011-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：954-958