基于卷积神经网络的注塑制品短射缺陷识别.pdf

《基于卷积神经网络的注塑制品短射缺陷识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第43卷第7期塑料工业2015年7月CHINAPLAsTICSINDUSTRY基于卷积神经网络的注塑制品短射缺陷识别木程文博，张云，周华民，崔树标(华中科技大学材料成型及模具技术国家重点实验室，湖北武汉430074)摘要：以注塑制品的常见短射缺陷为研究对象，提出一种基于卷积神经网络算法的识别方法，克服了现有缺陷识别算法需手动提取特征、需要启发式方法的缺点。方法对传统卷积神经网络结构进行了大量改进，并优化网络参数，降低其算法消耗的时间。实验数据表明，网络对短射缺陷的识别率达到99．4％。另外，与BP神经网络进行比较研究，从实验中可以看出方法识别率明显优于B

2、P神经网络，具有很好的应用前景。关键词：注塑制品；缺陷识别；卷积神经网络；机器视觉DOI：10．3969／j．issn．1005-5770．2015．07．008中图分类号：TQ320．662文献标识码：A文章编号：1005-5770(2015)07-0031-04TheShortShotDefectRecognitionofInjectionMoldedPlasticsBasedonConvolutionNeuralNetworkCHENGWen—bo，ZHANGYun，ZHOUHua—min，CUIShu—biao(StateKeyLaborator

3、yofMaterialProcessingandDie&MoldTechnology，HuazhongUniversityofScienceandTechnology，Wuhan430074，China)Abstract：Withthecommonshortshotdefectsofinjectionmoldedplasticsastheresearchobject，anintelligentrecognitionmethodbasedonconvolutionneuralnetworkwasproposed，whichovercametheweakne

4、ssofexistingrecognitionalgorithmsrequiringmanualfeatureextractionandheuristicmethod．BasedonthestructureofthenormalconvolutionneurMnetwork，themethodmodifiedalotandoptimizedtheparametersofthenetworktoreducetheconsumptiontime．Experimentindicatedthattherecognitionaccuracyrateforshort

5、shotwasover99．4％．AndcomparedwiththeBPneuralnetwork．themethodwassuperiorinrecognitionaccuracyandhadagoodapplicationprospect．Keywords：InjectionMoldedPlastics；DefectRecognition；ConvolutionNeuralNetwork；MachineVsion注塑成型过程中，由于工艺参数及注塑机性能等缺陷区域的形状和纹理特征，采用支持向量机进因素，注塑制品会出现短射、飞边等表面缺陷。运用行分类识

6、别，该方法特征向量维数过多，计算量机器视觉技术对注塑缺陷进行识别是当前国内外研究较大。的热点，部分学者对此进行了研究。Bartleet等¨以上述方法均采用“缺陷目标分割提取一人工缺陷塑料瓶塞的短射、飞边缺陷为研究对象，利用其均在特征选取一人工特征描述计算一浅层网络识别(如BP轮廓边缘的特点，采用两种边界跟踪算法提取制品边神经网络、支持向量机等)”的方式。由于存在噪声界轮廓，根据边界轮廓的圆形度及边界区域像素灰度干扰、部分缺陷目标较为微小、图像整体灰度起伏大的变化对缺陷进行识别，识别率仅达到80％。吴盛等因素，注塑制品图像缺陷的准确分割，人工缺陷特金等提取

7、了3维形状特征及4维Hu不变矩，运用征的准确选取和有效描述往往是很困难的，需要启发BP神经网络分类器对手机外壳中的缺陷进行分类，式方法和非常专业的知识J，并很大程度上依靠个准确率为84．44％，效果亦不太理想。孙天瑜对短人经验。而且算法依赖的浅层网络模型需要针对人工射、飞边、银纹、波流痕四种缺陷进行了研究，提取提取的特征设计网络结构，适应性往往较差。国家科技支撑计划(2013BAF03BO1)作者简介：程文博，男，在读硕士研究生，研究方向为注塑成型与机器视觉。57921088@qq．com塑料工业近年来，无须人工提取特征，可直接作用于二维式中，Z一层数；

8、f()一激励函数；M一作为输人的前图像的卷积神经网络(convolutional