基于极限学习机的玻璃瓶口缺陷检测方法研究

《基于极限学习机的玻璃瓶口缺陷检测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于极限学习机的玻璃瓶口缺陷检测方法研究　　摘要：针对目前玻璃空瓶回收再生产过程中造成瓶口缺陷破损的在线实时检测难题，提出一种基于极限学习机（ExtremeLearningMachine，ELM）的检测算法。首先对采集的瓶口进行预处理，通过研究表面缺陷，提取灰度方差等6种表面特征。然后运用遗传算法对极限学习机的输入层层的阈值和权值进行优化，提高算法的检测精度。最后现场选取569个样本对所设计ELM分类器进行训练学习与测试，并与LVQ算法、BP分类器对比实验。结果表明该算法能够满足对机器视觉检测系统缺陷检测高速高精度的要求。　　关键词：缺陷检测；机器视觉；

2、特征提取；极限学习机　　中图分类号：TP391.4文献标识码：A　　Abstract：AnoveldefectdetectionmethodbasedonExtremeLearningMachinewasproposedforbeerbottlemouth，whichtackleswiththeproblemofbeeronlinerealtimedefectdetectioninrecyclingandreproductionprocess.Theproposedmethodconsistsofthefollowingsteps.First，thebo

3、ttlemouthispreprocessedbyresearchingonthecharacteristicsofsurfacedefectbottlemouth，whichextractssixkindsofsurfacefeaturessuchasgrayscalevariance.Then，toimprovethedetectionaccuracy，weoptimizeExtremeLearningMachine（ELM）inputandoutputlayersof7thresholdandweightbyusinggeneticalgorith

4、m.Finally，569samplesfromexperimentaltestplatformareselectedtodesigntheELMclassifier，andexperimentalresultsarecomparedwithLVQalgorithmandBPalgorithm.ExperimentalresultsshowthattheproposedELMbasedclassifierisabletoobtainmuchhigherspeedandhigherdetectionaccuracy，whichcanmeettherequi

5、rementsoftheproductionenterpriseformachinevisionsystem.　　Keywords：defectdetection；machinevision；featureextraction；extremelearningmachine　　1引言　　质检行业面临劳动力供给不足和劳动力成本上升的压力，采用自动化视觉机器代替人工操作岗位，是解决制造业用工问题的最有效途径。机器视觉检测已在集成电路质检、医药灌装、电力线路巡检等方面取得广泛的应用[1-4]，采用机器视觉检测代替人工检测。　　2图像采集预处理　　空瓶检测机器人是

6、基于机器视觉检测、光机电一体化、图像处理和软件编程技术设计的智能化装备，由多个CCD相机、专用LED光源、空瓶传送系统、次瓶分拣装置和检测控制系统组成。图1为啤酒瓶视觉检测系统。　　采用低角度环形LED光源的，所发出的光线照射在瓶口上，瓶口反射的光线进入相机[6，7]，相机从该光源的孔中对瓶口进行拍照来获得瓶口的图像。7　　受外界环境因素的干扰，采集的瓶口图像存在噪声需要对图像进行预处理以突出瓶口表面特征[8]，同时抑制目标图像中的噪声。　　对瓶口圆心进行准确、高速地定位。现场采集200个瓶口样本。将200个瓶口样本随机分成4组，分别用四种瓶口定位检测法

7、进行测试。从最大圆检测时间、最大定位误差等两个实验参数进行比较。表1为四种瓶口定位检测结果比较。　　通过实验比较，多次随机圆法在时间和精度上都优于其他3种算法采用多次随机圆检测的瓶口定位方法，来实现对瓶口的精准定位。　　瓶口缺陷面积、周长、填充度、圆形度、相对圆心距离、灰度方差等六特征。　　3基于极限学习机的检测算法设计　　在获得提取的瓶口图像特征后，需要选择合适的分类算法对瓶口质量进行判决。已有多种传统的分类算法运用在缺陷检测中，例如LVQ分类器、BP算法、以及ELM神经网络。，选择ELM。　　3.1极限学习机　　极限学习机算法是Huang[10]等人

8、在2006年提出，它是在单隐含层神经网络基础上的一种改进算法，前馈神经网络存在训