基于图像处理胶囊缺陷识别与分类分析-capsule defect identification and classification analysis base on image processing.docxVIP

南昌航空大学硕士学位论文摘要随着现代计算机技术的快速发展，同时也使的模式识别与图像处理技术猛速发展，因此，基于图像处理与模式识别技术的智能信息检测技术也普遍的应用于现代工业生产检测中。目前，胶囊生产线的胶囊检测，主要还是靠工人们的肉眼检测，这种方法不仅工作量大，而且漏检率极高。因此本文在基于图像处理技术上，运用现代模式识别技术开发了一套胶囊缺陷自动检测系统。本系统具备图像处理的基本功能，以及自动识别与检测功能，能有效地检测出常见的胶囊缺陷，并能区别合格与不合格的胶囊。在硬件方面，本文采用了CMOS摄像机作为图像采集设备，运用微型计算机作为图像处理设备。本文在图像处理方面进行了细致的研究，在胶囊图像预处理后，进行了图像分割的方法的分析与比较，提出了一种改进的分水岭图像分割方法，本文的方法对传统的分水岭分割的过分割的不足有很好的改进，并对胶囊图像进行有效的分割。在胶囊识别与分类的检测方面，运用了现在最常用的神经网络识别技术，先对胶囊图像进行了特征提取，然后对其进行样本训练，再运用改进的BP神经网络算法对其进行识别与分类。本文先对模式识别应用最常用的BP神经网络算法进行了介绍。由于标准的BP神经网络算法在对图像分类时存在着收敛速度慢以及对网络始参数的依赖性，容易陷入局部最小值等问题。针对标准BP神经网络算法的缺点，本文结合激励函数的改进、动量因子和自适应学习速率的三点集成的方法改进BP神