【技术实现步骤摘要】
本专利技术涉及缺陷识别，具体为基于机器学习的彩涂板表面缺陷识别方法及系统。
技术介绍
1、随着社会的发展，彩涂板的需求总量越来越高，彩涂板的质量要求也越来越高。随着汽车、家电等消费产业的发展，不断提高的彩涂板表面质量要求使得彩涂板表面质量问题日渐突出。据统计，近些年来彩涂板生产企业和用户间发生的质量异议和质量投诉，绝大多数都与表面质量有关。因此，无论是彩涂板生产企业，还是彩涂板用户，对彩涂板的表面质量检测都极为重视。
2、通过机器视觉和人工智能方法进行带钢的表面缺陷检测成为工业质检领域研究重点和发展趋势之一，然而现有的彩涂板缺陷识别方法难以综合利用多源数据、存在识别准确率低、无法动态适应复杂缺陷场景的问题。
技术实现思路
1、针对现有技术的不足，本专利技术提供了基于机器学习的彩涂板表面缺陷识别方法及系统，解决了现有的彩涂板缺陷识别方法难以综合利用多源数据、存在识别准确率低、无法动态适应复杂缺陷场景的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：基于...
【技术保护点】
1.基于机器学习的彩涂板表面缺陷识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的彩涂板表面缺陷识别方法，其特征在于，表面缺陷程度特征数据包括缺陷影响面积占比指标、缺陷形状复杂度指标和缺陷深度影响系数；电化学缺陷程度特征数据包括腐蚀速率变化率指标和电化学参数异常程度指标；
3.根据权利要求2所述的基于机器学习的彩涂板表面缺陷识别方法，其特征在于，基于表面缺陷程度评估模型计算表面缺陷程度评估系数，包括以下步骤：
4.根据权利要求2所述的基于机器学习的彩涂板表面缺陷识别方法，其特征在于，缺陷程度匹配数据-融合权...
【技术特征摘要】
1.基于机器学习的彩涂板表面缺陷识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的彩涂板表面缺陷识别方法，其特征在于，表面缺陷程度特征数据包括缺陷影响面积占比指标、缺陷形状复杂度指标和缺陷深度影响系数；电化学缺陷程度特征数据包括腐蚀速率变化率指标和电化学参数异常程度指标；
3.根据权利要求2所述的基于机器学习的彩涂板表面缺陷识别方法，其特征在于，基于表面缺陷程度评估模型计算表面缺陷程度评估系数，包括以下步骤：
4.根据权利要求2所述的基于机器学习的彩涂板表面缺陷识别方法，其特征在于，缺陷程度匹配数据-融合权重映射集的获取方法如下：
5.根据权利要求4所述的基于机器学习的彩涂板表面缺陷识别方法，其特征在于，基于融合后历史缺陷特征向量确定缺陷程度匹配数据-融合权重映射集，包括以下步骤：
6.根据权利要求4所...
【专利技术属性】
技术研发人员：李清博，王俊英，李昊泽，
申请(专利权)人：山东省博兴县万博钢铁有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。