视觉检查系统中于bp神经网络的模式识别的研究.pdfVIP

视党检查系统中基于BP神经网络 的模式识别的研究 摘要 工业视觉检查系统按使用功能不同大致可分为检奄、定位和装配三类。 本系统属于检查类，即对工业零件或商品进行分类、识别并判别合格与否。 在工业生产中，环境和照明条件的确定性使得快速准确地判别、分类零件或 商品的想法成为可能，本系统就是在这种想法I-应运而生。系统采用图像传 感器摄取原始图像，避免了与对象的直接接触和人工检查；利用VC编制图 像处理部分，识别算法采用人工神经刚络，根据工业零件的形状设计出可模 拟多种函数的非线性映射。 在识别系统中提取适合的特征是困难并重要的。对于一幅待识别的数字 图像，要想有效的提取它的特征，必须对它作一些必要的处理和分析。在图 像识别中，常被选用的特征有图像幅度特征、图像统计特征、图像几何特 征、图像变换系数特性等。其中直方图特征、统计性特征、面积、周长、分 散度、伸长度等是本课题选取的特征，压缩这些特征作为输入样本训练神经 网络。对于训练好的神经网络输入特征可分类图像，从而达到识别的目的。 在各种神经网络的模型中，模式识别中应用最多也是最成功的当数多层 前馈网络，其中又以采用BP学习算法的多层感知器(BP网络)为代表。 由于网络采用的是监督学习方式进行【J||练，因此只能用于监督模式识别问 题。虽然BP神经网络在应用中取得了一定的成功，但它仍然存在很多缺 陷。如：训练时易陷入局部极小、收敛速度慢、隐结点个数难以确定等。本 文针则传统BP神经网络的特点，为了提高神经网络识别的速度及实用性， 提出了。种动态调整网络结构的改进网络模型，给出了这一模型在应用中的 算法。实验结果表明：与传统的BP神经网络比较，改进网络的初始权值的 选取相对容易，有效的降低了陷入局部极小的。U能，提高了网络收敛和识别 的速度。网络采用多输出型编码识别方案，具有一定的自适应特性。 关键词 图像处理；神经网络；BP算法；模式识剐 堕查堡矍三奎茎三兰堡圭耋竺丝兰 onBP ofPattern Based Research Recognition Networkfor Neural System Abstract canbedividedintothreeclasses： Industryvision-inspectingsystem and totheclassof assemblage．Thissystembelongs inspecting，orientation other call and the words，itclassifyrecognize inspecting，in whetherthe is to ornot．In distinguish part goodup grade components，and industrial oftheindustrial and production，thedeterminacy illuminationmadetheidea thattheindtistrial Canbe possible