基于神经网络的玻璃缺陷类型识别方法设计

基于神经网络的玻璃缺陷类型识别方法设计

ID:28882787

大小:980.77 KB

页数:33页

时间:2018-12-14

基于神经网络的玻璃缺陷类型识别方法设计_第1页
基于神经网络的玻璃缺陷类型识别方法设计_第2页
基于神经网络的玻璃缺陷类型识别方法设计_第3页
基于神经网络的玻璃缺陷类型识别方法设计_第4页
基于神经网络的玻璃缺陷类型识别方法设计_第5页
资源描述:

《基于神经网络的玻璃缺陷类型识别方法设计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、中北大学2011届毕业论文毕业论文基于神经网络的玻璃缺陷类型识别方法学生姓名:毛睿达学号:1105064125学院:信息与通信工程学院专业:电子信息工程指导教师:金永2015年6月基于神经网络的玻璃缺陷类型识别方法中北大学2011届毕业论文摘要在玻璃生产过程中,由于受工艺和环境限制,会产生各种缺陷,这些缺陷不仅影响了玻璃制品的外观质量,也降低了玻璃的使用价值和再次加工率。为了提高玻璃质量及方便玻璃质量等级划分,必须对缺陷进行分类。本文针对玻璃缺陷图像的特点,基于图像处理与模式识别技术,研究了缺陷自动分类算法,替代了传统的人工分类方法

2、,提高了分类的精度和效率。本文首先分析了缺陷图像的噪声类型及特点,采用中值滤波算法对缺陷图像进行降噪处理,消除了各种噪声干扰;然后针对缺陷图像边缘的灰度变化特点,基于边缘检测技术,较为完整的提取出了目标缺陷的核心轮廓,完成了图像的预处理。在预处理的基础上,根据各类缺陷在形状上的差异,利用Hu不变矩提取出了缺陷的形状特征,并验证了其抗平移、抗旋转性,将Hu不变矩提取出来的7个特征值作为缺陷分类器的输入向量。为了区分不同类型的缺陷,研究了感知器神经网络分类器的设计,设计了感知器神经网络的算法。最后,通过实验整体验证了缺陷分类算法的有效性

3、,取得了良好的识别效果,为后期地投入实际生产打下了坚实的基础。关键词:玻璃缺陷,图像预处理,特征提取,神经网络Identificationmethodofglassdefecttype中北大学2011届毕业论文basedonNeuralNetworkAbstractIntheglassproductionprocess,duetothetechnologicalandenvironmentalrestrictions,willproduceavarietyofdefects,thesedefectsnotonlyaffectsthe

4、appearancequalityofglassproducts,butalsoreducesthevalueoftheuseofglassandreprocessingrate. Inordertoimprovethequalityofglassandglassqualitygrades,wemustclassifythedefects.. Theaccordingtothecharacteristicsofglassdefectimage,basedonimageprocessingandpatternrecognitionte

5、chnologyofautomaticdefectclassificationalgorithm,replacingthetraditionalmanualclassificationmethod,improvestheclassificationaccuracyandefficiency.Thispaperfirstanalyzesthenoisetypeandcharacterofthedefectimage,themedianfilteringalgorithmforreductionofdefectimage,elimina

6、tingthenoise;theninaccordancewiththecharacteristicsofgraylevelofimageedgedefects,basedontheedgedetectiontechnique,morecompleteextractionofthecoredimensionsofthedefect,completedtheimagepreprocessing.Onthebasisofpreprocessing,accordingtothedifferencebetweenthevarioustype

7、sofdefectsinshapeusingHuinvariantmomentstoextractthefeaturesoftheshapeofthedefects,andverifiedtherobustnessagainsttranslation,antirotation,theHuinvariantmomentstoextractoutofsevenfeaturevaluesastheinputvectorsofthedefectclassifier.Inordertodistinguishbetweendifferentty

8、pesofdefectsofperceptronneuralnetworkclassifierdesign,designtheperceptronneuralnetworkalgorithm.Finally,thewholeexper

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。