论文摘要
在电子级玻璃纤维布的缺陷分类中,由于每类缺陷特征的多样性以及其丰富的几何结构的存在,用于分类的特征提取方法具有挑战性。提出了一个自动发现特征的框架,即结构不相关性字典学习(dictionary learning with structured incoherence, DLSI)用于提取每类缺陷的特征,并贡献了电子级玻璃纤维布的数据集。首先,利用DLSI学习每类图像的缺陷特征得到一个特定类字典,该字典适合于表示来自该类的电子级玻璃纤维布缺陷,同时很难表示来自其他类的缺陷图像;接着对于待分类图像,利用学习到的特定类字典对其进行重构,得到相应的重构误差;最后根据误差最小准则对待分类图像进行分类。所提出的方法在玻璃纤维布数据集上的平均分类准确率可达96.33%,显示了DLSI模型对玻璃纤维布缺陷分类的适用性。
论文目录
文章来源
类型: 期刊论文
作者: 任茹,景军锋,张缓缓,苏泽斌
关键词: 电子级玻璃纤维布,缺陷分类,特征提取,结构不相关性字典学习,重构误差
来源: 电子测量技术 2019年13期
年度: 2019
分类: 信息科技,工程科技Ⅰ辑
专业: 无机化工,有机化工,计算机软件及计算机应用
单位: 西安工程大学电子信息学院
基金: 陕西省高校科协青年人才托举计划项目(20180115),陕西省教育厅科研计划项目资助(18JK0338)
分类号: TQ171.771.15;TP391.41
DOI: 10.19651/j.cnki.emt.1902571
页码: 98-102
总页数: 5
文件大小: 263K
下载量: 43
相关论文文献
标签：电子级玻璃纤维布论文; 缺陷分类论文; 特征提取论文; 结构不相关性字典学习论文; 重构误差论文;