基于BP 神经网络的弹壳表面缺陷分类方法

摘要：为了对弹壳表面缺陷进行分类,提出一种基于BP(back propagation)神经网络的弹壳表面缺陷分类方法。 针对弹壳缺陷的特点,提取了各类缺陷的灰度特征、形状特征、几何特征,建立缺陷特征数据库,并采用改进的BP 神经网络算法设计了缺陷分类器。实验结果表明,该方法在枪弹缺陷识别方面具有很好可行性和有效性。     

一种基于自适应阈值的弹壳表面缺陷分割方法

由于材料表面不均匀和基于线阵相机采集图像的方式,图像的目标和背景的成像效果是动态变化的,不能用单一固定的阈值进行弹壳表面缺陷分割。针对该问题,结合弹壳表面图像的特点和灰度直方图峰值特性,提出了一种自适应确定阈值的方法,试验结果表明该方法对能准确对弹壳表面缺陷进行分割。     

基于BP 神经网络的弹壳表面缺陷分类方法

为了对弹壳表面缺陷进行分类,提出一种基于BP(back propagation)神经网络的弹壳表面缺陷分类方法。针对弹壳缺陷的特点,提取了各类缺陷的灰度特征、形状特征、几何特征,建立缺陷特征数据库,并采用改进的BP神经网络算法设计了缺陷分类器。实验结果表明,该方法在枪弹缺陷识别方面具有很好可行性和有效性。     

基于机器视觉的弹壳表面缺陷检测系统设计

针对落后的检测枪弹外观品质工艺,利用机器视觉技术,设计了包含基于线阵相机的图像采集方式、缺陷分割算法以及缺陷分类算法的一套完整的解决方案。试验表明,该方案能准确实现对缺陷的分割和分类。     

弹丸涂胶视觉检测技术研究及应用

为提高弹丸涂胶落后的检测工艺,利用机器视觉技术,设计包含图像采集方式、局部阈值分割算法以及 给出基于缺陷位置、几何和形状特征对其判定的方法。应用结果表明,该方法能准确实现涂胶缺陷的分割和判定。