Resumen

Para mejorar la estabilidad y robustez del sistema de inspección visual (VIS), se propone un nuevo método de identificación de defectos superficiales en bandas de cobre basado en el algoritmo genético adaptativo (AGA) y en la saliencia de características. En primer lugar, el estudio utiliza la matriz de coocurrencia de niveles de gris (GLCM) y momentos invariantes HU para la extracción de características. A continuación, se evalúa y discute el algoritmo genético adaptativo, que se utiliza para la selección de características. En AGA, las tasas de error total y de falsas alarmas se integran para calcular el valor de aptitud, y la probabilidad de cruce y mutación se ajusta dinámicamente en función del valor de aptitud. Por último, las características seleccionadas se optimizan en función de su saliencia y se introducen en una máquina de vectores soporte (SVM). Además, para comparar, realizamos experimentos utilizando la subsecuencia óptima de características seleccionada (OFS) y la secuencia total de características (TFS) por separado. Los resultados experimentales demuestran que el método propuesto puede garantizar índices correctos de clasificación y reducir los índices de falsas alarmas.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:algoritmo genético adaptativo, tasas de falsas alarmas, saliencia de rasgos, valor de aptitud, matriz de coocurrencia de nivel de gris, nuevo método de identificación de objetivos de defectos superficiales, subsecuencia óptima de rasgos, máquina de vectores soporte, tasas totales de error, secuencia total de rasgos
• Keywords:adaptive genetic algorithm, false alarm rates, feature saliency, fitness value, gray level cooccurrence matrix, new surface defect target identification method, optimal feature subsequence, support vector machine, total error rates, total feature sequence