PCNN在金属拉链缺陷检测中的应用.pdfVIP

Co~TuterEngineeringandApplications计算机工程与应用 PCNN在金属拉链缺陷检测中的应用 张 淼，欧幸福，唐雄 民，陈文凤 ZHANG M iao，OU Xingfu，TANG Xiongmin，CHEN W enfeng 广东工业大学 自动化学院，广州 510006 SchoolofAutomation，GuangdongUniversityofTechnology,Guangzhou510006，China ZHANG M iao，OU Xingfu，TANG Xiongmin，eta1．Implem entationonm etalzipperscoopsdefectsdetectionbased onPCNN．ComputerEngineeringandApplications，2014，50(18)：251-256． Abstract：Traditionalmanualmethodofmetalzipperdefectsdetectionhasthefeaturesofinefficiency,poorstabilityand highfalsepositiverate．Totheseproblems，thispaperpresentsanew detectionmethodbasedonPulseCoupledNeural Network(PCNN)andgraymutationdetection．Dependingonthecharacteristicsofmetalzipperimage，theprocessing speedofimagesegmentationwillbeincreasedbyimprovingthetraditionalPCNN，whichcanextractthefeatureimages ofzipperscoopsbycombiningwithmorphology．A new proposedmethodcanautomaticallydistinguishthemetalzipper scoopsdefectsthroughtheregionpixelstatisticsandgraymutationdetection．A detectionsystem isdesignedforthisexperi- mentalstudy．Experimentresultsshow thedetectionmethodofthispaperisquick，accurateandfeasible． Keywords：PulseCoupledNeuralNetworks(PCNN)；scoopsdefectdetection；imagepreprocessing；graylevelmutation 摘 要：针对传统金属拉链缺陷人=【检测方法效率低、稳定性差、误检率 高等缺点，提出一种基于脉冲耦合神经网络 (PulseCoupledNeuralNetworks，PCNN)和灰度跃变检测的金属拉链缺 陷检测方法。针对拉链 图像的特点，通过 对传统PCNN进行改进以提 高金属拉链图像二值分割处理速度 ；将传统PCNN和形态学理论相结合，提取链齿特征 图像 ：采用区域像素统计与灰度跃变检测的方法实现金属拉链缺 陷自动检测；完成检测系统的设计并进行实验研 究。实验结果表明提出的检测方法快速 、准确、可行。 关键词 ：脉冲耦合神经网络；链齿缺陷检测；图像处理；灰度跃变 文献标志码：A 中图分类号：TP391．4 doi：10．3778j／．issn．1002．8331．1210．0118 1 引言 领域也得到国内外研究人员的广泛关注 。现今采用图 金属拉链在生产过程 中，常 出：既拉链链齿、拉头和 像处理对金属拉链进行缺陷检测的研究，主要集中在金 限位码缺失等瑕疵。目前该产品的外观质量检测主要 属拉链齿数检测方面u。，对金属拉链外观质量检测的研 由人工方法完成。人工检验方法一方面 ，检测效率低， 究较少。 成本高 ，工人劳动强度大 ；另一方面 ，人为因素影响很 如何提取拉链特征图像是拉链外观质量检测系统 大，易造成员工疲劳，直接影响了产品检验的可靠性，产 的关键 ，传统的图像分割算法如OTSU法和直方图法依 品品质的检测稳定