基于DOG特征与深度学习的工件表面缺陷检测算法

论文摘要

为了提高生产线作业品质保障中硬盘工件缺陷检测的准确率与稳定性,以硬盘外壳表面为工件样本,设计并开发了一种基于DOG特征与神经网络的硬盘表面缺陷检测系统。首先,以工业相机、环形光、数字光源控制器、传送带和数据分析服务器为基础,设计以图像识别为核心的机器视觉缺陷检测系统。然后,利用高斯卷积表现尺度空间,基于图像金字塔多分辨率,进行差分处理,得到DOG特征,完成神经网络缺陷识别器的数据准备。随后,结合多种深度神经网络的感知机与激活函数,创建神经网络分类模型,设置迭代终止准则,训练带有标签的缺陷样本数据集,完成分类预测,达到准确检测缺陷的目的,将带有缺陷的工件通过传送带引流到不良品聚集区,保障生产线的产品品质输出。最后基于VS开发平台、OpenCV开源库与C++语言编程实现系统。设计对比实验,与现有系统和人力对应流程进行实验对比,经验证,本系统具有更好缺陷检出能力。

论文目录

• 0 引 言
• 1 硬盘外观缺陷检测系统的架构
• 2 缺陷检测算法
• 3 实验结果及分析
• 4 结 论

文章来源

类型: 期刊论文

作者: 常博

关键词: 机器视觉,特征,深度学习,缺陷检测,激活函数

来源: 电子测量技术 2019年14期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 机械工业,计算机软件及计算机应用,自动化技术

单位: 陕西交通职业技术学院

分类号: TP181;TP391.41;TH161.14

DOI: 10.19651/j.cnki.emt.1802644

页码: 28-32

总页数: 5

文件大小: 370K

下载量: 253