神经网络决策树算法在钢材表面缺陷检测中的应用研究

首页 > 按月查看>2011年第2月 >44-45,50

神经网络决策树算法在钢材表面缺陷检测中的应用研究
DOI:
                        
作者:
                        
作者单位:安徽电子信息职业技术学院,安徽蚌埠,233000
作者简介:
通讯作者:
基金项目:

A Study on the Algorithm of Neural Network Decision Tree in the Steel Surface Defect Detection

Author:

Affiliation:

XU Feng-yun(Anhui Institute of Information Technology Electronics,Bengbu,Anhui 233000)

Fund Project:

摘要

图/表

访问统计

参考文献

相似文献

引证文献

资源附件

摘要:

文中采用BP神经网络决策树算法实现钢材表面缺陷非人工检测和分类,依据缺陷的特征提取数据,采用BP神经网络决策树算法构多类造分类器,输入标准样本分类器训练后,对钢材在实际生产过程中可能出现的氧化色、飞边、辊印、擦伤、孔洞、压痕等缺陷进行检测和分类,通过对检测结果的分析,缺陷分类准确率高,速度快。

Abstract:

This article uses the BP neural network decision tree algorithm to realize the steel products＇ surface defect and the classification with non-manual examination,extracts data basing on the flaw characteristic,and uses the BP neural network decision tree a

参考文献

相似文献

引证文献

引用本文

徐凤云.神经网络决策树算法在钢材表面缺陷检测中的应用研究[J].西昌学院学报（自然科学版）,2011,(2):44-45,50.

复制

文章指标

点击次数:
下载次数:

历史

收稿日期:
最后修改日期:
录用日期:
在线发布日期: 2017-05-26

引用本文

分享

文章指标

历史