组合机床与自动化加工技术
組閤機床與自動化加工技術
조합궤상여자동화가공기술
MODULAR MACHINE TOOL & AUTOMATIC MANUFACTURING TECHNIQUE
2013年
4期
59-64
,共6页
枪弹外观缺陷检测%机器视觉%图像处理%颜色模型%特征提取%BP神经网络
鎗彈外觀缺陷檢測%機器視覺%圖像處理%顏色模型%特徵提取%BP神經網絡
창탄외관결함검측%궤기시각%도상처리%안색모형%특정제취%BP신경망락
为了实现枪弹外观缺陷自动检测,研究了基于机器视觉技术的枪弹外观缺陷检测系统.首先针对枪弹外观缺陷图像特点,分析了采用灰度阈值及单一颜色模型分割缺陷的局限性,提出基于混合颜色模型的缺陷图像分割方法,实现了枪弹外观缺陷快速、准确分割；然后通过分析枪弹外观缺陷特点,分别从形状、颜色和纹理共选取了12个类别差异明显的特征参数,提取了枪弹外观缺陷特征；最后选择BP神经网络作为缺陷分类器,根据经验和实验确定了神经网络结构及参数,并分析了传统BP算法在枪弹外观缺陷分类应用中的不足,通过改变收敛标准、自适应调整步长和引入动量项以优化BP算法,改善了神经网络分类效果.实验表明,枪弹外观缺陷检测系统能够实现缺陷自动分割、识别与分类,正确识别率达91.7％,表现出较好的准确性和鲁棒性.
為瞭實現鎗彈外觀缺陷自動檢測,研究瞭基于機器視覺技術的鎗彈外觀缺陷檢測繫統.首先針對鎗彈外觀缺陷圖像特點,分析瞭採用灰度閾值及單一顏色模型分割缺陷的跼限性,提齣基于混閤顏色模型的缺陷圖像分割方法,實現瞭鎗彈外觀缺陷快速、準確分割；然後通過分析鎗彈外觀缺陷特點,分彆從形狀、顏色和紋理共選取瞭12箇類彆差異明顯的特徵參數,提取瞭鎗彈外觀缺陷特徵；最後選擇BP神經網絡作為缺陷分類器,根據經驗和實驗確定瞭神經網絡結構及參數,併分析瞭傳統BP算法在鎗彈外觀缺陷分類應用中的不足,通過改變收斂標準、自適應調整步長和引入動量項以優化BP算法,改善瞭神經網絡分類效果.實驗錶明,鎗彈外觀缺陷檢測繫統能夠實現缺陷自動分割、識彆與分類,正確識彆率達91.7％,錶現齣較好的準確性和魯棒性.
위료실현창탄외관결함자동검측,연구료기우궤기시각기술적창탄외관결함검측계통.수선침대창탄외관결함도상특점,분석료채용회도역치급단일안색모형분할결함적국한성,제출기우혼합안색모형적결함도상분할방법,실현료창탄외관결함쾌속、준학분할；연후통과분석창탄외관결함특점,분별종형상、안색화문리공선취료12개유별차이명현적특정삼수,제취료창탄외관결함특정；최후선택BP신경망락작위결함분류기,근거경험화실험학정료신경망락결구급삼수,병분석료전통BP산법재창탄외관결함분류응용중적불족,통과개변수렴표준、자괄응조정보장화인입동량항이우화BP산법,개선료신경망락분류효과.실험표명,창탄외관결함검측계통능구실현결함자동분할、식별여분류,정학식별솔체91.7％,표현출교호적준학성화로봉성.
