基于集成学习的铸件缺陷识别方法

针对铸件图像噪声多和对比度不足引起的缺陷识别困难的问题,文中提出了一种基于集成学习的铸件缺陷识别方法.首先,该方法采用灰度变换法、双边滤波以及自适应图像分割法对铸件图像进行预处理.然后,通过提取方向梯度直方图(Histogram of Oriented Gradients,HOG)特征、不变矩特征和局部二值模式(Local Binary Pattern,LBP)纹理特征构建全信息特征集,并结合支持向量机递归特征消除(Support Vector Machine-Recursive Feature Elimination,SVM-RFE)算法筛选铸件缺陷敏感特征.最后,利用Adaboost-RF(Adaptive Boosting-Random Forest)方法构建铸件缺陷识别模型.对比实验结果表明,该模型不仅可以有效提取缺陷敏感特征,而且相较于其他分类器具有更好的分类性能和泛化能力.