10.3969/j.issn.1004-373X.2010.14.015
基于BP神经网络的玻璃缺陷识别技术研究
为了准确、快速地对玻璃质量进行分类,提出一种基于BP神经网络的玻璃缺陷识别方法.由于不变矩与灰度共生矩阵分别可以描述图像的形状与纹理,在分析了缺陷灰度图像特点的基础上,将图像的纹理特征和不变矩特征融合,综合提取出一个分类能力更强的特征向量,再使用一个拟牛顿改进算法的三层前向BP网络.作为分类器,对常见的玻璃缺陷进行了识别.通过实验对比该方法和传统的单一特征识别法,证明该方法不仅具有更高的识别率,并且实时性较好,为玻璃缺陷的自动识别提供了一种新的途径.
玻璃缺陷、BP神经网络、不变矩、灰度共生矩阵
33
TP919.8
太原市科技基金项目08121017
2010-10-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
45-48