State Key Laboratory of Robotics and System, Harbin Institute of Technology, Heilongjiang, Harbin, 150080, CHN
parallel image processing parallel algorithm surface defect FPGA multi IP core 半导体光子学与技术
2008, 14(4): 217
哈尔滨工业大学 机器人技术与系统国家重点实验室,哈尔滨 150080
针对带钢表面缺陷的识别和分类技术,本文采用一种将不变矩与主成分分析法相结合的特征提取方法。首先,对每幅缺陷图像提取22维不变矩特征向量,满足对图像平移、尺度及旋转变化都不敏感;然后,为了提高分类器的效率,应用主成分分析法对特征向量进行空间降维处理,得到4维特征向量;最后,将特征向量作为BP神经网络的输入,对网络进行权值和阈值训练,达到缺陷分类的目的。实验结果表明,该方法对带钢表面缺陷的平均正确识别率可达到85%以上。
不变矩 主成分分析法 BP神经网络 特征提取 带钢表面缺陷 invariable moment PCA BP neural network feature extraction surface defect of strips
1 Robotics Institute, Harbin Institute of Technology, Harbin 150080, CHN
2 Anshan University of Science and Technology, Anshan 114044, CHN
intelligent camera surface defect inspection FPGA perceptron