《表3 各算法性能指标：结合混沌鸟群算法的阴极铜板表面缺陷检测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合混沌鸟群算法的阴极铜板表面缺陷检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:加粗字体为每行对应指标最优值。

GA算法相比于其他几种算法具有较强全局搜索能力，但相应局部搜索能力欠佳，由于本文各算法搜索空间为0 255灰度区间，对算法局部搜索能力要求较高，导致算法效果不尽理想；CSO算法和GSO算法均存在易陷入局部最优、求解精度低的问题，导致其难以寻取最佳分割阈值；BSA算法因其收敛精度高，局部搜索能力较强的特点被广泛应用，从表2和表3可知，其在适应度值及SSIM值两个指标下均优于GA、CSO和GSO 3种算法，但依然存在种群多样性不足致使算法易陷入局部最优的问题，经分析BSA算法的优缺点，本文在其基础上进行改进提出CBSA算法，弥补了算法种群多样性不足及易陷入局部最优的缺点，从表2和表3可看出本文所提CBSA算法在SSIM值和适应度值方面均优于其他4种算法，且算法对最佳阈值寻取的准确性及稳定性均有了提升，但由于新理论的引入导致所提算法在时间方面略显不足。