Vol.27 No.6 吴贵芳等：基于LVQ神经网络的冷轧带钢表面缺陷分类方法 ·735· 成的学习不充分引起的；另外还需要对这些缺陷 分类需要， 的产生机理进行更深入的研究，以提取更能描述 参考文献 这些缺陷的特征类型，以期达到更好的检测 [1】徐科，徐金梧，粱治国，等，冷轧带钢表面质量自动检测系 效果 统的在线应用研究.治金自动化，2003(1)：51 [2】徐科，徐金梧，鹿守理，等，冷轧带钢表面自动监测系统的 4结论 研究.钢铁，2000(10：63 [3】徐科，徐金梧，班晓娟.冷轧带钢表面质量自动监测系统 (I)基于LVQ神经网络的冷轧带钢表面缺陷 的模式识别方法研究.钢铁，20026)：28 的分类方法在训练与分类的耗时上较以往的基 [4]Kohonen T.New Developments of learning vector quantization 于BP网络的分类方法大大减少，在分类速度上 and the self-organizing map.In:Symposium on Neural Net- 能适应现场的实时检测， works.Osaka:Alliances and Perspectives in Senri,1992 [)吴简彤，王建华.神经网络技术及其应用.哈尔滨：哈尔滨 (2)在多缺陷模式类型情况下，基于LVQ神 工程大学出版社，1998 经网络的冷轧带钢表面缺陷的分类方法能准确 [6]Wechsler.Texture analysis:a survey.Signal Process,1980(2): 地识别出大多数的主要缺陷类型，随着缺陷模式 271 [7刀张济忠.分形.北京：清华大学出版社，1995 类型的增加，系统的识别准确率依然能得到保 证，所以能适应现场生产中多缺陷模式类型下的 Classification of surface defects for cold rolled strips based on LVQ neural network WU Guifang,XU Ke,XU Jinwu Mechanical Engineering School,University of Science and Technology Beijing,Beijing 100083,China ABSTRACT A new method which uses LVO neural network in the automatic classification of surface defects for cold rolled strips was presented.The problems of long time and low accuracy in the classification of multi-defect pattern types with some traditional classification algorithms were resolved.Tested by 14 main defect types collected from online data,the results demonstrated that the method of surface defects for cold rolled strips based on LVQ neural network spent little time during training and classifying,and its accuracy could be assured on the recognition process of multi-defect pattern types. KEY WORDS cold rolled strips;surface defect;defect classification;LVQ neural networkV匕 L2 7 N o . 6 吴贵 芳等 :基 干 L v Q 神 经 网络 的冷 轧带钢 表面 缺 陷分 类方 法 73 5 成 的学 习不 充分 引起 的 ; 另外 还需 要 对这 些缺 陷 的产 生机 理进 行更 深 入 的研究 , 以提取 更 能描 述 这 些 缺 陷 的 特 征 类 型 , 以 期 达 到 更 好 的 检 测 效 果 . 4 结论 ( l) 基 于 VL Q 神经 网络 的冷 轧带 钢 表面 缺 陷 的 分类 方 法 在 训练 与 分 类 的 耗 时上 较 以往 的 基 于 B P 网络 的 分类 方法 大 大 减少 , 在 分类 速 度 上 能适 应现场的 实时检测 . (2 ) 在 多缺 陷模式类 型情 况 下 , 基 于 LV Q 神 经 网络 的冷 轧 带钢 表 面 缺 陷 的 分类 方 法 能 准 确 地识 别 出大 多数的主要 缺 陷类 型 , 随着 缺 陷模 式 类 型 的增 加 , 系统 的识 别准 确率 依 然 能 得 到保 证 , 所 以能适 应现 场 生产 中多缺 陷模 式类 型下 的 分 类 需要 . 参 考 文 献 川 徐 科 , 徐 金梧 , 梁 治 国 , 等 . 冷 轧带钢 表面 质量 自动 检测 系 统 的在线 应用研 究 . 冶金 自动 化 , 2 0 0 3 (:1) 51 2[ ] 徐 科 , 徐金梧 , 鹿 守理 , 等 . 冷 轧带钢 表面 自动 监测 系统 的 研 究 . 钢铁 , 20 O0( 1 0) : 63 3[ ] 徐 科 , 徐 金梧 , 班 晓娟 . 冷轧 带钢表 面质 量 自动监 测系统 的模式 识别 方法 研 究 . 钢 铁 , 2o 2( 6) : 28 1 4 ] K oh on en 工 N e w D ve l o P m e n ts o f l e 田旧 10 9 v e c otr q u a n t iaZ t i o n an d ht e se l-f o gZ 画 z ign 功 a P . ih : S ym P o s ~ 叨 N e 切旧 1 N at · w o rk s . O s ak a : lA il acn es a D d P ers P e c it ve s in S e n n , 19 92 侈] 吴 简彤 , 王建华 . 神经 网络 技术及其应 用 . 哈 尔滨 :哈尔滨 工程大 学 出版社 , 19 98 6[ ] W七e h s ler eT x t u le an ly s i s : a s u r v e .y s啥. a l P or e ” 、 , 19 8 0 (2 ) : 2 7 1 7[ ] 张济忠 . 分 形 . 北 京:清 华 大学 出版社 , 19 95 C l a s s iif c at i o n o f s ur af e e d e fe e t s of r e o ld or ll e d s itr P s b a s e d o n L V Q n e ur a l n e tw o rk 环 z U 伽如 尹答 刃乙厂 eK, X U iJ 儿 ,四 M e e h a n i c al E n g l n e ier gn S e h o o l , U n i v e rs ity o f s e i e n e e a n d eT e h n o l o gy B e ij i n g , B e ij in g 10 0() 8 3 , C hi an A B S T R A C T A n e w m e t h o d 、比i e h u s e s LV Q n e aur l n e 扒邢o rk in t h e au t o m at i e e l a s s iif e iat o n o f s ur af e e d e fe e ts of r e o ld or ll e d s itr P s w a s Pre s ent e d . T h e Por b le m s o f l o n g it m e an d l o w a e c u r a c y in hte e al s s iif e iat o n o f m u it i 一 de cfe t P a t e m ty P e s w iht s o me tr ad it i ( a)n 1 e l a s s iif e iat o n al g o ir t h m s w e re re s o Vl e d . eT st e d b y 14 am in d e fe ct ty P e s e o ll e ct e d 云U 功 o n lin e da at , ht e 抢 s u lt s d e m on s tr a t e d ht at ht e m e ht o d o f s ur fac e de fe e t s fo r e o l d or le d s tr i P s b a s e d o n VL Q n e uar l n e wt o kr s P e nt lit l e it m e d u ir n g tr a in i n g an d e las s ify ign , a n d it s ac e 山浓c y e ou ld b e a s s二d o n ht e ” e o gn i it o n Por e e s s o f m u ltl 一 d e fe e t P a t e m t y P e s · K E Y WO R D S e o ld or ll e d s 七i P s ; s u r fa e e d e fe c t ; d e fe ct c l a s s iif e iat on ; L V Q n e ur a l n e。刃以k