基于机器学习的手机外壳缺陷智能检测方法研究.pdfVIP

摘要 摘 要 手机外壳是手机组件中的重要组成部分，对其进行无损检测是手机外壳生产 制造过程中必不可少的环节。目前在手机外壳实际生产过程中依然是依赖经验丰 富的检测员，以人工目检的方式进行检测，这种方式无疑需要耗费大量的人力和 财力，且检测准确率较低。因此急需在手机外壳生产制造过程中引入自动缺陷检 测方法，然而传统的机器视觉的缺陷检测对应用工程师能力要求极高，需要精通 图像处理和高等数学等相关的高等学科知识，难以满足手机外壳缺陷检测的自动 化和智能化，且准确率较低。 针对此问题，首先对手机外壳中经常出现的缺陷类型进行归纳总结，得到擦 伤、划痕、污点三种典型缺陷，通过工业CCD 相机对典型的手机外壳缺陷进行 图片采集，将采集好的图片进行审查和标定，制作训练样本集。然后在卷积神经 网络AlexNet 中引入空间金字塔池化(SPP)层，作为网络结构的最后一层池化层 得到SCNN 特征自动提取模型，运用SCNN 模型对数据集进行训练并将提取的 (ELM) (RF) 特征直接作为极限学习机 和随机森林 分类器的输入，完成手机外壳的 缺陷检测，得到SCNN-ELM 和SCNN-RF 缺陷检测模型。 最后，对模型进行了训练和测试，将训练样本随机分为训练集和测试集，分 别对将CNN 、SCNN 、SCNN-ELM 、SCNN-RF 模型进行训练，并将测试结果进 行对比分析，最终结果表明所构建的SCNN-RF 模型具有较高的识别准确率和效 率，且对细微缺陷识别也相对较高。相对于传统机器视觉方法对操作人员的要求 大大降低，因为深度学习模型能够自己进行学习，通过训练确定相关参数，实现 了手机外壳缺陷检测的自动化和智能化，且相对于单纯的CNN 网络所提方法具 有更好的识别性能，为工业生产过程的自动化和智能化打下了基础。 关 键 词：手机外壳；缺陷检测；卷积神经网络；极限学习机；空间金字塔池 化；随机森林 论文类型：应用研究 选题来源：其他 I 目录 目 录 第1章 绪论1 1.1 课题背景及研究意义 1 1.2 国内外发展及研究现状 2 1.3 机器学习概述3 1.4 论文研究内容及结构 5 第2 章 手机外壳典型缺陷样本的采集和制作7 2.1 手机外壳缺陷检测的相关问题 7 2.1.1 缺陷的种类 7 2.1.2 表面典型缺陷检测标准与要求8 2.1.3 关键技术分析 9 2.2 缺陷图片采集系统 9 2.2.1 光源的分类和选择 9 2.2.2 光源的颜色特性 10 2.2.3 光照的方式 12 2.2.4 手机外壳缺陷样本的采集和制作 14 2.3 本章小结 16 3 17 第 章 缺陷特征智能提取算法设计 3.1 卷积神经网络与人工智能 17 3.2 卷积神经网络原理 19 3.2.1 卷积神经网络的网络结构 19 3.2.2 卷积神经网络训练 19 3.3 手机外壳缺陷检测中基础网络的选择 20 3.3.1 卷积层 20 3.3.2 激活函数 2 1 3.3.3 池化层 22 3.3.4 全连接层 23 3.4 AlexNet 网络识别手机外壳缺陷23 3.4.1 Dropout 原理及其比率的选择23 3.4.2 学习速率的选择 24 3.4