27、钢铁表面缺陷检测分类与加密算法综述

钢铁表面缺陷检测分类与加密算法综述

钢铁表面缺陷检测与分类

如今，钢铁在工业领域的应用极为广泛，保证钢铁表面质量至关重要。因此，对钢铁表面缺陷进行准确检测和分类具有重要意义。

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）
- 划痕（Scratches, Sc）

每类有300个样本，数据集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。

实验结果与讨论

为评估所提出的钢铁表面缺陷检测和分类方法的性能，使用Python 3.7.2编程语言，在配备Intel Core(TM) i5 - 7200 CPU、8GB内存、Nvidia GeForce 940MX显卡、处理器速度2.60 GHZ和Windows 10操作系统的计算机上进行实验，同时使用了OpenCV库。

所提出的方法包括以下步骤：
1. 使用BRISK描述符检测和描述图像中的关键点。
2. 对关键点描述符应用视觉词袋，将数据集中的每个图像表示为特征向量，并进行归一化。
3. 训练支持向量机（SVM）对钢铁表面进行分类。

为评估分类准确性，使用了360个样本（每类60