Resumen

La detección y clasificación de defectos en la superficie basadas en visión artificial siempre han sido temas de investigación candentes en Inteligencia Artificial. Sin embargo, el trabajo existente se enfoca principalmente en la detección en lugar de la clasificación. En este artículo, proponemos GSPSO-LRF-ELM, que es una máquina de aprendizaje extremo habilitada con campo receptivo local (ELM-LRF) basada en búsqueda en cuadrícula (GS) y optimización por enjambre de partículas (PSO) para la detección y clasificación de defectos en la superficie de las baldosas magnéticas. En el clasificador ELM-LRF, el parámetro de equilibrio y el número de mapas de características a través del algoritmo GS y el peso inicial a través del algoritmo PSO se optimizan para mejorar el rendimiento del clasificador. Las imágenes utilizadas en los experimentos son del conjunto de datos recopilado por el Instituto de Automatización de la Academia China de Ciencias. Los resultados experimentales muestran que el algoritmo propuesto puede

• Materias:Virus informático Entropía del gráfico Modelo epidémico Modelo de optimización Modelos conceptuales
• Subjects:Computer virus Entropy of the graph Epidemic model Optimization model Conceptual models
• Palabras claves:Visión por computadora; Detección de defectos en la superficie; Clasificación; Inteligencia artificial; GSPSO-LRF-ELM; Azulejos magnéticos
• Keywords:Machine vision; Surface defect detection; Classification; Artificial intelligence; GSPSO-LRF-ELM; Magnetic tiles