基于改进的BP神经网络钢板表面缺陷分类算法研究

• 作 者: 张洪涛 计时鸣
• 机 构: 浙江工业大学特种装备制造与先进加工技术教育部重点实验室
• 出 处: 浙江工业大学学报
• 发表日期: 2010年4期
• 关键词: 计量学 表面缺陷 BP神经网络 模式分类 metrology surface defect BP NN pattern classification

钢板表面质量决定钢板的抗腐蚀性、抗磨性和疲劳强度等使用性能,决定相关产品的安全性能.目前还没有一种算法可很好的解决钢板表面缺陷分类问题.应用BP神经网络算法识别钢板表面缺陷,并采用高阶扰动理论解决BP神经网络算法固有的缺点,如学习速度慢、易陷入局部极值等.最后通过实验验证了算法的有效性,钢板缺陷识别率达到83%.