基于机器视觉的铸件表面缺陷人工神经网络检测方法

• 作者: 付长龙 冯亚宁 徐伟 李生斌 李长河 石争浩 黄士坦
• 来源期刊: 重型机械
• 学科: 工学
• 关键词: 机器视觉 表面缺陷 神经网络
• 年，卷（期）: 2004,（2）
• 所属期刊栏目: 检测·故障诊断
• 页码范围: 51-54
• 页数: 4页
• 分类号: TP391.41
• 字数: 2790字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-196X.2004.02.014

摘要

提出一种基于机器视觉与人工神经网络的铸件表面缺陷识别方法,采用计算机图像技术采集和处理生产线上的铸件表面图像信号,采用改进的BP神经网络算法对图像信号进行缺陷识别分析.该方法在为某厂研制的铸件表面缺陷检测系统中使用后,作业时耗平均降低4min/工件,表面缺陷检出准确率平均提高15%,实践表明本文方法是可行、有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄士坦		86	744	15.0	22.0
2	付长龙	西安理工大学计算机学院	8	165	5.0	8.0
3	李长河	西安理工大学计算机学院	39	545	13.0	22.0
4	石争浩	西安理工大学计算机学院	9	119	5.0	9.0
8	冯亚宁	西安理工大学计算机学院	9	122	5.0	9.0
9	徐伟		2	48	2.0	2.0
10	李生斌		4	55	4.0	4.0