av无码国产在线观看岛国丨无码成a∧人片在线播放丨饥渴少妇做私密保健视频丨揄拍成人国产精品视频丨国产精品免费观看久久

人們對制造業生產線的要求越來越高，隨著社會現代化工業快速發展以及市場競爭的加劇。不僅要滿足高效而且也要保證產品的質量。金屬鋁在交通運輸、工具制造、航天科技應用、人們衣食住行中起著重要的作用，然而在5052鋁板生產過程中，由于生產設備陳舊、生產原料批次或質量不同以及生產流程等原因的限制使5052鋁板表面產生一些缺陷，正是這些缺陷在很大程度上降低了產品的美觀度、抗腐蝕性和耐磨性，并給冷軋5052鋁板生產企業帶來了巨大的損失。因此，對冷軋5052鋁板表面缺陷的檢測分類此時顯得尤為重要。本文中對冷軋5052鋁板表面缺陷進行分類實驗的過程中，分別運用了5052鋁板支持向量機分類算法和BP神經網絡分類算法，通過分析實驗結果發現BP神經網絡分類方法對冷軋5052鋁板表面六種缺陷的總體識別精度不高，分類過程需要時間較長，泛化能力差而且在對分類模型訓練時需要很多的缺陷樣本，但是該算法對油斑類缺陷的正確分類率較高；支持向量機分類算法對六種缺陷的整體分類正確率較高，但是對于像油斑這樣復雜類缺陷識別率卻達不到令人滿意的效果。為了使冷軋5052鋁板表面缺陷整體和單類別的分類正確率都達到較高的水平，本論文中研究了一種基于支持向量機與BP神經網絡相結合的分類算法用于對冷軋5052鋁板表面的缺陷進行分類。

首先，采用減背景與中值濾波技術進行冷軋5052鋁板表面缺陷圖像的預處理；其次采用自適應閾值法將缺陷區域從冷軋5052鋁板表面缺陷圖像中分割出；特征提取時，5052鋁板結合目標圖像和分割后缺陷圖像，提取了灰度特征、形狀特征、幾何特征三大類特征；訓練支持向量機和BP神經網絡相結合的分類模型時，BP神經網絡隱含層采用一層結構，按照一定的規則通過對比多次實驗分類結果設置隱含層節點數；支持向量機選用徑向基函數作為核函數，通過交叉驗證法確定懲罰因子和核參數，并采用一對一的分類策略進行多種缺陷的分類；支持向量機與BP神經網絡相結合的分類模型對測試樣本進行分類時，先由BP神經網絡分類模型判斷測試樣本是否為油斑，若為油斑則輸出分類結果，若認為是第二類缺陷，則把該樣本交由支持向量機分類模型進行細分類，即分為氣泡、破皮、刮痕、孔洞、黑線，最終輸出分類結果。本論文中對定義的六類冷軋5052鋁板表面缺陷進行分類研究，主要是通OpenCV與VC++編程完成相關實驗。最終的實驗結果驗證了支持向量機和BP神經網絡相結合的分類算法的分類準確率高并能滿足實時性的要求�！�