基于神经网络的玻璃缺陷类型识别方法毕业设计.docVIP

基于神经网络的玻璃缺陷类型识别方法 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，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，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 Identification method of glass defect type based on Neural Network Abstract In the glass