陶瓷膜表面缺陷的表征与分类研究

摘要：

陶瓷膜种类多而杂,对陶瓷膜缺陷的检测则涉及到其表面的缺陷检测(支撑体层),而机器视觉的发展和运用使表面缺陷检测变得更加简单且智能化.文章基于陶瓷膜表面存在的划痕、裂纹、落渣、凹坑4种缺陷,运用MATLAB的图像处理技术和BP神经网络分类对陶瓷膜的表面缺陷进行提取分析和分类,结果表明,BP神经网络分类对陶瓷膜表面缺陷识别的正确率达到78.125％.

关键词：机器视觉、陶瓷膜表面缺陷、BP神经网络、MATLAB

所属期刊栏目：33

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省"六大人才高峰"高层次人才项目;扬州市市校合作项目;研究院开放课题

在线出版日期：2018-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：76-79