首页|基于LCSPSO-BTSVM的焊缝表面缺陷检测

基于LCSPSO-BTSVM的焊缝表面缺陷检测

扫码查看
原文链接
  • 万方数据
  • 维普
针对焊缝表面缺陷PSO优化BTSVM的两个参数容易陷入局部最优、伪随机多样性低和计算精度低的问题,提出一种LCSPSO优化BTSVM参数的方法.首先,改进PSO算法,引入莱维飞行策略、Circle混沌映射与单纯形反射操作确保两个参数取得全局最优解,提高分类准确率;其次,提取预处理焊缝表面缺陷图像的特征;最后,设计合理的分类器利用改进的方法对焊缝表面缺陷进行分类检测并与其他算法作对比.试验结果表明,LCSPSO优于其他算法,分类精度比改进前提高了 12.03％,平均分类准确率99.07％.
Weld Surface Defect Detection Based on LCSPSO-BTSVM
Aiming at the problems that the two parameters of BTSVM optimized by weld surface defect PSO are easy to fall into local optimum,low pseudo-random diversity and low calculation accu-racy,a method of LCSPSO to optimize BTSVM parameters is proposed.Firstly,improve the PSO algo-rithm,introduce Levi's flight strategy,Circle chaotic map and simplex reflection operation to ensure the global optimal solution of the two parameters and improve the classification accuracy.Reasonable classi-fier uses the improved method to classify and detect weld surface defects and compares it with other al-gorithms.The test results show that LCSPSO is superior to other algorithms,the classification accura-cy is 12.03％higher than that before improvement,and the average classification accuracy is 99.07％.

surface defect detectionmulti-classificationsupport vector machineparticle swarm optimization

姜怀震、夏旭

展开 >

安徽建筑大学机械与电气工程学院,安徽合肥 230601

工程机械智能制造安徽省重点实验室,安徽合肥 230601

表面缺陷检测 多分类 支持向量机 粒子群算法

安徽省自然科学基金项目安徽省仿真设计与现代制造工程技术研究中心开放课题陕西省高速公路施工机械重点实验室(长安大学)开放基金民航飞行技术与飞行安全重点实验室开放基金项目

2008085MF218SGCZXZD2101300102252507FZ2021KF10

2024

佳木斯大学学报(自然科学版)
佳木斯大学

佳木斯大学学报(自然科学版)

影响因子：0.159
ISSN：1008-1402
年,卷(期)：2024.42(1)
  • 15