计算机集成制造系统 ›› 2024, Vol. 30 ›› Issue (1): 90-102.DOI: 10.13196/j.cims.2021.0526
李进军1,2,3,王肖锋2,3,葛为民1,2,3+
LI Jinjun1,2,3,WANG Xiaofeng2,3,GE Weimin1,2,3+
摘要: 主成分分析网络(PCANet)是一个基于简化的卷积神经网络的深度子空间学习模型。针对PCANet算法应用于焊缝缺陷检测时无法体现数据完整结构信息、对噪声较敏感等问题,在PCANet的基础上提出一种鲁棒非贪婪双向二维PCANet(RNG-BDPCANet )焊缝缺陷在线检测方法。RNG-BDPCANet在范数距离度量标准下,利用双向二维主成分分析作卷积核,并采用非贪婪策略得到目标函数最优的整体投影矩阵,对离群值具有较强的鲁棒性。最后,在自建的焊缝人工数据集、ORL和Yale B人脸数据集上分别进行实验。结果表明,所提出的算法在分类性能方面得到显著提高,具有较强的鲁棒性能。
中图分类号: