标题：基于支持向量机的带钢表面缺陷识别研究
作者：向阳 陈黎 张晓龙
作者单位：武汉科技大学计算机科学与技术学院，湖北 武汉 430065
关键字：带钢表面缺陷，训练，识别，支持向量机
摘要：传统带钢生产采用人工目测的方法检测钢板的缺陷类型，检测结果的准确率对检测距离、检测人员的工作经验以及疲劳程度等具有一定的依赖性，这种人工目测方法效率较低。针对传统检测方法中存在的问题，运用支持向量机的优良分类性能，将其应用于带钢表面缺陷的识别研究。实验选用带钢生产现场采集的缺陷图像样本，分别采用支持向量机与决策树算法进行训练与识别，通过实验数据比较发现，支持向量机的sigmoid核与线性核算法要好于决策树算法。在相同的实验环境下，分别采用径向基核，多项式核，sigmoid核以及线性核算法进行训练与识别，通过训练时间的比较可以看出，线性核的训练时间明显较长，径向基核，多项式核与sigmoid核的训练速度相差不大。对比识别率可以发现，径向基核的识别率较好。