基于F范数的二维主成分分析算法及焊缝表面缺陷识别研究

Research on F-norm-based two-dimensional principal component analysis algorithm for weld surface defect recognition

方建雄 ¹王肖锋 ²王成林²

扫码查看

作者信息

1. 天津理工大学机械工程学院,天津市先进机电系统设计与智能控制重点实验室,天津300384
2. 天津理工大学机械工程学院,天津市先进机电系统设计与智能控制重点实验室,天津300384;机电工程国家级实验教学示范中心,天津理工大学,天津300384
折叠

摘要

针对传统二维主成分分析(two-dimensional principal component analysis,2DPCA)算法应用于焊缝表面缺陷识别中存在重构性能及鲁棒性较弱等问题,本文将最大化投影距离和最小化重构误差引入到目标函数中,提出了一种基于F范数的非贪婪二维主成分分析算法(non-greedy 2DPCA with F-norm,NG-2DPCA-F),该算法具有良好的鲁棒性和较低的重构误差.为了进一步提取图像的结构信息和求解出维数更小的特征矩阵,进而提出一种基于F范数的非贪婪双向二维主成分分析算法(non-greedy bilateral 2DPCA with F-norm,NG-B2DPCA-F).最后,以含有不同噪声块的焊缝表面图像数据集进行实验,结果表明,本文所提算法在平均重构误差、重构图像与分类识别实验中均表现出良好的鲁棒性能.

关键词

二维主成分分析(2DPCA)/焊缝表面缺陷/特征提取/缺陷识别

Key words

two-dimensional principal component analysis(2DPCA)/weld surface defect/feature extrac-tion/defect recognition

引用本文复制引用

基金项目

国家重点研发计划(2018AAA0103004)

天津市科技计划重大专项(20YFZCGX00550)

出版年

2023

光电子·激光

天津理工大学中国光学学会

光电子·激光

CSCD北大核心

影响因子：1.437

ISSN：1005-0086

被引量1

参考文献量3

段落导航