[发明专利]一种用改进的蝙蝠算法检测带钢表面缺陷的方法

权利要求书

1.一种用改进的蝙蝠算法检测带钢表面缺陷的方法，其特征在于，包括以下算法步骤：

步骤一：录入原始图像，对原始图像进行LBP处理，提取内含物、斑块、开裂、点蚀、轧制氧化皮、划痕的特征向量，对网络进行输入；

步骤二：对网络进行初始化，设置网络的层数，各层网络的节点数；

步骤三：对初始参数赋值，包括初始位置、速度、响度、频度、最大迭代次数提出在响度的更新公式中引入伽马函数，使蝙蝠能随着迭代的增加而调节响度的变化，在蝙蝠寻找目标的初期增强局部搜索能力，在找到目标后降低局部搜索的能力，新的响度更新公式为：其中A_i为第i只蝙蝠发出的响度，A₀为初始响度，A_∞为终止响度，为伽马函数；

步骤四：计算权值经验因子，蝙蝠利用等式移动，并更新响度和脉冲速率；

步骤五：记录当前种群的全局最优位置和局部最优位置，并更新利用公式进行速度更新，根据公式获得种群蝙蝠的新位置，由于经典蝙蝠算法只依靠全局最优位置进行速度的更新，所以在蝙蝠的搜索过程中，易陷入局部最优的情况，本文提出一种在速度更新公式中加入两种新引力的方式，权重经验因子的计算方法为：

V_ik(t+1)＝ω·V_ik(t)+(X_ik(t)-P_k(t))·f_i(t)

其中V_ik(t+1)为更新后速度，V_ik(t)为更新前速度，ω为权重经验因子，X_ik(t)为当前位置，P_k(t)为最佳位置，f_i(t)为适应度函数，ω_max为最大权重经验因子，ω_min为最小权重经验因子，t为迭代次数，t_max为最大迭代次数，f_max为最佳适应度值，f_min最差适应度值，τ和是常量且0＜τ＜1,上述两个公式在保留了经典蝙蝠算法线性递减的优势的同时，又可以根据迭代次数和适应度函数的改变来计算出新的位置；

步骤六：最优解分别对应网络的权值和阈值，输出结果；

步骤七：判断是否打到最大迭代次数，如果是，则输出结果，如果否，则返回步骤四。

2.根据权利要求1所述的一种用改进的蝙蝠算法检测带钢表面缺陷的方法，其特征在于：本方案与BP网络结合是将BP网络的权值和阈值作为本方案的位置向量，每只蝙蝠相当于网络的每个节点，每只蝙蝠的位置就代表网络中权值或者阈值，设三层神经网络的输入层有m个神经元，隐含层有n个神经元，输出层有q个神经元，则第i只蝙蝠所代表的位置向量计算方法为：

x_i＝(x_i1,x_i2,x_i3,…x_id)

＝(w₁₁,…w_1q,w_n1,…w_nq,W₁₁,…W_1m,W_q1,…W_qm,θ₁,…θ_q,θ₁′,…θ′_m)

其中x_i表示蝙蝠的位置，d＝nq+qm+q+m，w_ij表示输入层和隐含层之间连接的权值其中i＝1,2…n，j＝1,2…q，W_jk表示隐含层与输出层之间连接的权值其中j＝1,2…q；k＝1,2…m，θ_j，θ_k′表示各层的阈值。

3.根据权利要求1所述的一种用改进的蝙蝠算法检测带钢表面缺陷的方法，其特征在于：使用蝙蝠的位置训练BP网络的权值和阈值的适应度函数为：

其中n表示学习的特征的数量，O_ih表示第i个蝙蝠在本网络下的实际输出，T_ih表示第i个蝙蝠在本网络下的期望输出，种群中的蝙蝠每更新一个位置，网络的权值和阈值就会更新一次，以达到用改进的蝙蝠算法优化网络的权值和阈值的效果。

4.根据权利要求1所述的一种用改进的蝙蝠算法检测带钢表面缺陷的方法，其特征在于：步骤四所述的等式分别为确定位置的等式和确定速度的等式其中确定位置的等式为：X_i(t+1)＝X_i(t)+V_i(t+1)

其中X_i(t)为当前位置，X_i(t+1)为更新后的位置，V_i(t+1)为蝙蝠飞行的距离；确定速度的等式为：V_ik(t+1)＝ω·V_ik(t)+(X_ik(t)-P_k(t))·f_i(t)其中ω表示权重经验因子，V_ik(t)表示原始飞行速度，V_ik(t+1)表示更新后的飞行速度，X_ik(t)为当前位置，P_k(t)为最佳位置，f_i(t)为适应度函数，每只蝙蝠被给予的频率应服从均匀分布。