基于神经网络的玻璃缺陷类型识别方法毕业设计.docxVIP

下载本文档

0
0
约2.27万字
约 38页
2025-02-23 发布于江苏
举报
版权申诉

基于神经网络的玻璃缺陷类型识别方法毕业设计.docx

1、本文档共38页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

实用文档

毕业论文

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

Identificationmethodofglassdefecttype

basedonNeuralNetwork

Abstract

Intheglassproductionprocess,duetothetechnologicalandenvironmentalrestrictions,willproduceavarietyofdefects,thesedefectsnotonlyaffectstheappearancequalityofglassproducts,butalsoreducesthevalueoftheuseofglassandreprocessingrate.?Inordertoimprovethequalityofglassandglassqualitygrades,wemustclassifythedefects..?Theaccordingtothecharacteristicsofglassdefectimage,basedonimageprocessingandpatternrecognitiontechnologyofautomaticdefectclassificationalgorithm,replacingthetraditionalmanualclassificationmethod,improvestheclassificationaccuracyandefficiency.

Thispaperfirstanalyzesthenoisetypeandcharacterofthedefectimage,themedianfilteringalgorithmforreductionofdefectimage,eliminatingthenoise;theninaccordancewiththecharacteristicsofgraylevelofimageedgedefects,basedontheedgedetectiontechnique,morecompleteextractionofthecoredimensionsofthedefect,completedtheimagepreprocessing.

Onthebasisofpreprocessing,accordingtothedifferencebetweenthevarioustypesofdefectsinshapeusingHuinvariantmomentstoextractthefeaturesoftheshapeofthedefects,andverifiedtherobustnessagainsttranslation,antirotation,theHuinvariantmomentstoextractoutofsevenfeaturevaluesastheinputvectorsofthedefectclass