ty -jour au -xie，jun au -jhang，jin au -liang -liang，anfengmei au -yang，yunyun au -xu -xu，xiny au -dong -dong，dong，junjie py -2020 da -2020/05/15 ti -gspso -lrf-lrf-lrf-lrf-lrf-elmm ti-：网格搜索和粒子群优化的基于本地接收现场的极限学习机器用于表面缺陷的磁磁图SP -4565769 VL -2020 AB-基于机器的基于机器的表面缺陷检测和分类一直是热门研究人工智能的主题。但是，现有工作主要关注检测而不是分类。在本文中，我们提出了GSPSO-LRF-ELM，即网格搜索（GS）和基于粒子群优化 - 基于局部接受场的启用了局部接受场的极端学习机（ELM-LRF），以检测和分类磁砖上的表面缺陷。在ELM-LRF分类器中，余额参数 C以及特征地图的数量 k通过GS算法和初始重量 A ^在里面通过PSO算法进行了优化，以提高分类器的性能。实验中使用的图像来自中国科学院自动化研究所收集的数据集。实验结果表明，所提出的算法可以达到分类的96.36％的精度，这显着超过了几种最新方法。SN -1026-0226 UR -https：//doi.org/10.1155/2020/4565769 DO -10.1155/2020/2020/4565769 JF-自然与社会中的离散动态PB- Hindawi KW -er -er- er- er- er-