基于特征融合和GWO-SVM的铸铁金相组织分类技术研究 |
| |
引用本文: | 孙攀,石秀东,何英杰.基于特征融合和GWO-SVM的铸铁金相组织分类技术研究[J].制造业自动化,2023(4):34-38. |
| |
作者姓名: | 孙攀 石秀东 何英杰 |
| |
作者单位: | 江南大学机械工程学院 |
| |
摘 要: | 针对人工金相组织定量分析效率低、主观影响较大的问题,提出基于灰度共生矩阵(GLCM)和局部二值模式(LBP)融合的铸铁金相组织分类方法。分别提取铸铁金相图片GLCM和LBP特征,并使用主成分分析(PCA)将LBP特征降维,组成特征向量;通过不同核函数的对比,选择高斯核函数(RBF)作为支持向量机(SVM)的核函数;为了提高模型的效率,采用灰狼优化算法(GWO)对核函数进行优化。结果表明,GLCM和LBP融合后的分类效果要优于单一的GLCM和LBP;基于GWO优化后的SVM分类效果也要优于RF和ELM,分类准确率可以达到98.67%。
|
关 键 词: | 铸铁 纹理特征 主成分分析 灰狼优化算法 支持向量机 |
|
|