基于机器视觉的铸件表面缺陷人工神经网络检测方法.pdfVIP

维普资讯 2004NO．2 重 型 机 械 ·51 · · 检测 ·故障诊断 · 基于机器视觉的铸件表面缺陷 人工神经网络检测方法 石争浩 2，冯亚宁 ，付长龙 ，徐 伟 ，李生斌 ，李长河 ，黄士坦 (1．西安理工大学计算机学 院，陕西 西安 710048；2．西安微 电子 技术研 究所 ，陕西 西安 710054；3．西安重型机械研究所 ，陕西 西安 710032) 摘 要 ：提出一种基于机器视觉与人工神经网络的铸件表面缺陷识别方法 ，采用计算机 图像技术 采集和处理生产线上的铸件表面图像信号，采用改进 的BP神经网络算法对图像信号进行缺陷识别分 析 。该方法在为某厂研制 的铸件表面缺陷检测系统 中使用后 ，作业时耗平均 降低 4min／工件 ，表面缺 陷检出准确率平均提高 15％，实践表 明本文方法是可行 、有效 的。 关键词 ：机器视觉；表面缺陷；神经网络 中图分类号 ：TP391．41 文献标识码 ：A 文章编号 ：1001—196X (2004)02—0051—04 Artificialneuralnetwork detectingmethodfor castproductssurfacedefectsbasedonmachinevision SHIZheng—hao一 ，FENG Ya—ning ，FU Chang—long，XU W ei2 ． LISheng．bin 。LIChang—he ，HUANG Shi—tan (1．SchoolofComputerScience，Xi’anUniversityofTechnology，Xi’an710048，China；2．Xi’anInstitute ofMicro-Electronics，Xi’an710054，China；3．Xi’anHeavymachineryInstitute，Xi’all710032，China) Abstract：Thispaperproposesanartificialneuralnetworkrecognitionmethodforcastproductsurfacedefects basedonmachinevision Computerimagetechnologiesareusedfortheimageprocessofcastprod uctsurface defect，andanimprovedBP algorithm isusedforthedefectsimagesrecognition．Thismethod hasbeenused inacastproductfacedefect·detectingsystem，andthejobtimereduceby4minpercomponent，whilethede． fectscorrectinspectingrateimprove15％ Theresultsshow thatthismethod iseffective KeyWOrds：machinevision：surfacedefects：artificialneuralnetwork 验及肉眼分辨能力和疲劳等主观因素影响_1一，缺 1 引言 乏准确性和规范化 ，无法保证正常的产品质量。 在铸造生产过程中，种种原因会使铸件表面