基于机器视觉的铸件表面缺陷人工神经网络检测方法

被引：5

作者：

石争浩

冯亚宁

付长龙

徐伟

李生斌

李长河

黄士坦

机构：

[1] 西安理工大学计算机学院

[2] 西安微电子技术研究所

[3] 西安重型机械研究所

[4] 西安微电子技术研究所陕西　西安　西安微电子技术研究所陕西　西安

[5] 陕西　西安

来源：

重型机械 | 2004年 / 02期

关键词：

机器视觉; 表面缺陷; 神经网络;

D O I：

10.13551/j.cnki.zxjxqk.2004.02.014

中图分类号：

TG24 [铸造工艺];

学科分类号：

080201 ; 080503 ;

摘要：

提出一种基于机器视觉与人工神经网络的铸件表面缺陷识别方法,采用计算机图像技术采集和处理生产线上的铸件表面图像信号,采用改进的BP神经网络算法对图像信号进行缺陷识别分析。该方法在为某厂研制的铸件表面缺陷检测系统中使用后,作业时耗平均降低4min/工件,表面缺陷检出准确率平均提高15%,实践表明本文方法是可行、有效的。

引用

页码：51 / 54

页数：4

共 5 条

[1] 基于机器视觉的带钢表面缺陷检测系统 [J].