27、钢铁表面缺陷检测分类与加密算法研究

钢铁表面缺陷检测分类与加密算法研究

在工业生产中，钢铁表面缺陷检测分类以及数据加密传输都是至关重要的环节。下面将分别介绍钢铁表面缺陷检测分类方法和加密算法的相关研究。

钢铁表面缺陷检测分类

数据集

采用了NEU表面缺陷基准数据集，该数据集公开可用，用于钢铁表面缺陷分类。它包含1800个样本，分为6类热轧钢带表面缺陷，分别是龟裂（Crazing，Cr）、压入氧化皮（Rolled - in - Scales，RS）、麻面（Pitted Surface，PS）、斑块（Patches，Pa）、夹杂（Inclusion，In）和划痕（Scratches，Sc），每类有300个样本。数据集被分为训练集和验证集，训练集有1440个样本，验证集有360个样本，即每类有240个训练样本和60个验证样本。

实验设置与结果

• 实验环境 ：使用Python 3.7.2编程语言，运行在配备Intel Core(TM) i5 - 7200 CPU、8GB内存、Nvidia GeForce 940MX显卡、处理器速度为2.60 GHZ且装有Windows 10操作系统的计算机上。同时使用了OpenCV库，它提供了用于目标检测和识别的综合工具和算法。
• 检测成功率计算 ：为评估6种不同缺陷类别的分类准确性，使用360个样本（每类60个）。通过以下公式计算检测成功率：
  [检测成功率 = \frac{正确检测的样本数}{总样本数}]
• 实验结果分析 ：由于部分缺陷类别的“组内”多样性大且“组