胶合板缺陷识别方法比较研究

结合胶合板缺陷检测分类,通过对比研究了几种有效、实用的模式分类方法,讨论了该方法的优势和局限性,提出了一种基于粗糙集和神经网络的模式分类方法.利用粗糙集处理图像特征中冗余的或较差的属性特征,有效地减小了网络规模,将该特性和神经网络的非线性映射能力和很强的抗干扰性相结合,能够进一步提高分类精度和收敛速度.在胶合板缺陷识别的实际应用中,其识别精度达到了90 93%,循环次数较粗糙集预处理前平均下降了1000余次.研究结果表明粗糙集神经网络模式识别方法适于胶合板缺陷分类.