摘要：对基于BP神经网络和支持向量机的带钢表面缺陷类别识别方法进行了研究，基于检测出缺陷的目标图像，根据不同缺陷的灰度均值设定两种阈值，进行二值化处理；结合目标图像和二值化图像提取几何特征、形状特征以及灰度特征。在基于BP神经网络训练分类器时，采用三层神经网络模型，通过多次实验确定隐含层神经元数；在基于支持向量机训练分类器时，采用高斯径向基函数作为核函数，通过交叉验证确定相关参数，采用“一对一”的策略实现多分类。实验结果表明，支持向量机模型分类准确率更高，BP神经网络平均识别时间优于支持向量机。

原文链接:http://www.cqvip.com/QK/95033X/201402/48625744.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）