基于机器视觉的枪弹外观缺陷检测系统研究.pdf

《基于机器视觉的枪弹外观缺陷检测系统研究.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4期组合机床与自动化加工技术NO．42013年4月ModularMachineTool＆AutomaticManufacturingTechniqueApr．2013文章编号：1001—2265(2013)04—0059—06基于机器视觉的枪弹外观缺陷检测系统研究史进伟，郭朝勇，刘红宁(军械工程学院基础部，石家庄050003)摘要：为了实现枪弹外观缺陷自动检测，研究了基于机器视觉技术的枪弹外观缺陷检测系统。首先针对枪弹外观缺陷图像特点，分析了采用灰度阈值及单一颜色模型分割缺陷的局限性，提出基于混合颜色模型的缺陷图像分割方法，实现了枪弹外观缺陷快速、准确分割；然后通过

2、分析枪弹外观缺陷特点。分别从形状、颜色和纹理共选取了12个类别差异明显的特征参数，提取了枪弹外观缺陷特征；最后选择BP神经网络作为缺陷分类器，根据经验和实验确定了神经网络结构及参数，并分析了传统BP算法在枪弹外观缺陷分类应用中的不足，通过改变收敛标准、自适应调整步长和引入动量项以优化BP算法，改善了神经网络分类效果。实验表明，枪弹外观缺陷检测系统能够实现缺陷自动分割、识别与分类，正确识别率达91．7％，表现出较好的准确性和鲁棒性。关键词：枪弹外观缺陷检测；机器视觉；图像处理；颜色模型；特征提取；BP神经网络中图分类号：TP391．4文献标识码：AStudyonDete

3、ctionSystemofBulletSurfaceDefectBasedonMachineVisionSHIJin—wei，GUOChao—yong，LIUHong—ning(DepartmentofBasicCourses，OrdnanceEngineeringCollege，Shijiazhuang050003，China)Abstract：Inordertorealizeautomaticdetectionofbulletsurfacedefect，thedetectionsystemofbulletsurfacedefectbasedonmachinevis

4、ionisstudied．Firstly，accordingtotheimagepropertiesofbulletsur—facedetect，thedisappointmenttosegmentdefectbygraythresholdandtheonlyonecolormodelisana—lyzed，theimagesegmentationbasedonhybridcolormodelisproposed，itisrealizedthatthebulletsur—facedefectissegmentedquicklyandaccurately；Secondl

5、y，thepropertiesofbulletsurfacedefectareana—lyzed．12distinctdefectfeatureparametersareextractedfromshape，colorandtexture，thefeatureofbulletsurfacedefeCtisextracted：Finally．theBPneuralnetworkiSselectedastheclassificationmachineofbulletsurfacedefect，accordingtotheexperienceandexperiment，th

6、estructureandparametersofneu-ralnetworkareensured，afteranalyzingthedisappointmentoftraditionalBPneuralnetwork，whichisappliedintheclassificationofbulletsurfacedefeCt，theBPmethodiSoptimizedbychangingthestandardofconvergence、selfadaptivestepandaddingmomentum，theclassificationeffectofneural

7、networkisimproved．Theexperimentshowsthatthedefectcanbesegmented，recognizedandclassifiedautomati—callybythedetectionsystemofbulletsurfacedefect，thediscriminatingratecanreach91．7％，putupagoodabilityofaccuracyandrobustness．Keywords：bulletsurfacedefectdetection；machinevision；imagepr