基于改进GWO-SVM的金属产品表面缺陷分类研究

针对金属产品上的缺陷在识别过程中,缺陷种类繁多、不易分类等问题,采用一种改进灰狼优化算法优化SVM核参数的思想,并构建改进的GWO-SVM分类器模型实现金属产品表面缺陷识别。首先,在缺陷区域分割的基础上,通过LBP算法对金属产品零件的缺陷数据进行特征提取;其次,通过主成分分析算法对数据进行降维处理;最后,采用SVM对数据样本进行分类识别。实验表明,与其他的分类器模型相比较,文中所设计的改进分类器模型更能够精确有效地对零件不同形状缺陷进行分类识别。