近邻密度辅助模糊优化孪生支持向量机的钢板表面缺陷分类

来源：计算机集成制造系统杂志2024年第3期北京时间：

作者：侯政通, 胡鹰, 乔磊明, 邓志飞

单位：1.太原科技大学计算机科学与技术学院2.东北大学计算机科学与工程学院

摘要：为提升钢板表面缺陷分类精度,提出一种选择性弱化样本的分类模型。首先,在图像预处理阶段引入显著性检测算法来减少二值化后图像出现失真的影响;其次,为了降低不利的边缘样本点对模型的影响,同时又能提高有利的边缘样本点对模型的贡献,构造了一种新的密度模糊隶属度函数对样本进行权重赋值;最后,在孪生支持向量机(TWSVM)的基础上,将构造的密度模糊隶属度函数作为优化条件嵌入模型内,提出了近邻密度辅助模糊优化的TWSVM算法,以提高分类效果。在数据集NEU上的实验结果表明,引入显著性检测算法后,重新设计的特征在整体准确率上提高了1.66%,同时采用优化后的算法进行缺陷分类,准确率达到98.33%,进一步提高了分类性能。

关键词：图像处理,显著性检测,缺陷分类,孪生支持向量机,密度函数,K近邻

基金资助：国家自然科学基金资助项目(52275357,52175354);山西重大专项课题项目(20181102016);山西省专利推广项目(20210524)。