摘要
连续压机生产线的普及使我国人造板企业实现自动化生产,但缺陷检测环节仍依靠人工。缺陷识别是检测的一个重要环节,是根据缺陷的特征值使用分类器对缺陷进行分类的过程。在连续压机生产线以1.5m/s的速度运行,生产线上两块人造板的间距小于0.4m,缺陷识别必须在3s之内完成,且识别正确率要达到95%。为了满足人造板缺陷识别的实时性、准确性的要求,提出基于随机森林(random forest,RF)的分类方法。首先通过区域筛选分割的方法提取缺陷纹理、形状特征;再次利用上述提取出的特征值用CART算法构建RF;最后利用RF分类。本研究证明基于RF算法的分类器用于人造板表面缺陷在线识别的可行性和优势,能够实现人造板表面缺陷的快速、准确识别,满足人造板缺陷在线检测系统的需求。
引文
[1]王红军,熊俊涛,黎邹邹,等.基于机器视觉图像特征参数的马铃薯质量和形状分级方法[J].农业工程学报,2016,32(8):272-277.
[2]杨意,初麒,杨艳丽,等.基于机器视觉的白掌组培苗在线分级方法[J].农业工程学报,2016,32(8):33-40.
[3]郭夫兵.制造业中计算机视觉检测技术的研究[J].制造业自动化,2012,34(18):1-3.
[4]邱帅,沈柏春,李婷婷,等.基于随机森林算法和SRAP分子标记的桂花品种鉴定方法[J].林业科学,2018(1).
[5]赵帅,黄亦翔,王浩任,等.基于随机森林与主成分分析的刀具磨损评估[J].机械工程学报,2017(21):181-189.
[6]Breiman L.Randomforests.Machine Learning,2001a.45(1):5-32
[7]刘年平,胡慧慧.基于CART算法的煤与瓦斯突出判别分析[J].中国矿业,2015(6):128-131.