连续压机生产线的普及使我国人造板企业实现自动化生产,但缺陷检测环节仍依靠人工。缺陷识别是检测的一个重要环节,是根据缺陷的特征值使用分类器对缺陷进行分类的过程。在连续压机生产线以1.5m/s的速度运行,生产线上两块人造板的间距小于0.4m,缺陷识别必须在3s之内完成,且识别正确率要达到95%。为了满足人造板缺陷识别的实时性、准确性的要求,提出基于随机森林(random forest,RF)的分类方法。首先通过区域筛选分割的方法提取缺陷纹理、形状特征;再次利用上述提取出的特征值用CART算法构建RF;最后利用RF分类。本研究证明基于RF算法的分类器用于人造板表面缺陷在线识别的可行性和优势,能够实现人造板表面缺陷的快速人造板表面缺陷识别-数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机、准确识别,满足人造板缺陷在线检测系统的需求。算法生成500棵CART树构建出RF。特征属性的个数m是唯一变量，根据OOB误差率E的平均值评价Rm。由图3所示本文由公司网站全自动滚圆机网站采集转载中国知网整理!    http://www.gunyuanji168.com，当m值变化时的OOB平均误差率也随之变化，随着m个数增加误差率明显下降，当m=6时误差率为最低0.01，m值大于6时误差率增加，主要由于样本数据中特征属性过多，每棵CART树的样本数据被充分表达，导致RF分类器识别率降低，基于此最优m值为6，构建出的最优RF分类器为R6。(a)胶斑(b)大刨花(c)油污(d)杂物图2四类缺陷分割图图3RF中特征属性个数对性能的影响3.3结果分析3.3.1正确率分析为了验证构建的R6的分类效果，将训练好的分类模型对测试集进行分类，其结果表4所示，只有1个样本出现错分的情况，整体识别正确率高达98%。从表4可知胶斑、大刨花缺陷识别正确率为100%，其余两种缺陷出现错分的情况，其原因主要是：1）大刨花的灰度值明显高于其他三种缺陷；2）胶斑的形状近似圆形，易与油污、杂物区分；3）油污、杂物两种缺陷灰度值较为接近且形状不规则，造成误分的情况。表4R7测试结果真实类别预测数量胶斑大刨花油污杂物胶斑14000大刨花01300油污00160杂物001163.3.2实时性分析通过计算机测得一张人造板图像输入到缺陷识别总耗时657ms，其中耗时最多的为图像分割达到320ms，其次是特征提取为167ms，由于此次采集的是正常人造板一半面积的图像，在实际中总耗时为1.314s小于3s，完全可以满足人造板实时性的要求。综上通过对算法正确率和实时性要求分析，本研究建立的RF分类器可以应用到人造板缺陷检测系统人造板表面缺陷识别-数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机本文由公司网站全自动滚圆机网站采集转载中国知网整理!    http://www.gunyuanji168.com