基于BP神经网络的墙地砖缺陷检测技术研究

基于人工分拣的墙地砖质量检测环节不仅造成人力资源的浪费,更无法保证质量检测的准确度,影响了墙地砖产品的档次提高。为了节省成本,进一步提高墙地砖的生产效率,本文利用颜色通道下的共生矩阵特征作为图像视觉特征,并充分利用图像的纹理信息和颜色信息,训练出一个适用于墙地砖缺陷分类的BP神经网络。通过实验结果的数据分析,基于BP神经网络的墙地砖缺陷检测技术能够对多种尺寸规格、颜色、图案的墙地砖得到较好的检测结果。

基于粗糙集的神经网络缺陷分类方法的研究

目的减小BP网络的维数,提高网络的训练速度与精度.方法采用粗糙集软计算方法对墙地砖的原始特征进行优化,去除冗余特征,并采用BP网络对测试样本中随机选取的样本进行测试.结果通过对该算法的仿真,证明了该算法具有良好的识别精度.结论采用粗糙集理论对原始数据进行特性约简,除去了冗余特征,完成预处理的过程,缩短了神经网络分类器训练时间,提高了分类精度。

基于多特征信息融合的陶瓷墙地缺陷在线检测

针对陶瓷墙地砖表面多种缺陷的检测问题,提出一种基于多特征信息融合的缺陷在线检测方法。该方法借助自适应神经模糊推理系统构建缺陷辨识器,对陶瓷墙地砖表面多种缺陷的各类特征值进行计算及信息融合,从而实现对这些缺陷的精确辨识。实验表明:该方法可准确有效地完成陶瓷墙地砖表面多种缺陷的在线检测工作。