一种基于BP神经网络的磁钢表面缺陷分类方法

• 作者: 严利民 江军兵
• 来源期刊: 工业控制计算机
• 关键词: 缺陷分类 Blob分析 特征提取 BP神经网络
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 软件与仿真
• 页码范围: 83-84,87
• 页数: 3页
• 字数: 2238字
• 语种: 中文

摘要

传统磁钢表面缺陷分类一般采用人工检测方式，存在着检测效率低下和视觉疲劳等不可避免的缺点。针对磁钢的缺角、断裂和刀痕等缺陷类型特征，介绍了一种基于BP神经网络对磁钢表面缺陷进行分类的方法。首先通过工业相机获取磁钢图像并进行图像处理，得到磁钢缺陷的形状图像。由于不同缺陷的特征差异明显，采用Blob分析提取出缺陷形状的7个特征参数（圆形度、矩形度、长宽比等参数），将上述的特征参数作为BP神经网络的输入，最后采用BP神经网络对磁钢缺陷特征进行训练并分类。通过实验表明，该方法能用较少数量的迭代训练，就可以快速且准确地分类出磁钢缺陷类型，具有简单、快捷以及计算量少的特点，为自动化质量检测系统中的提供一种切实可行的方案。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严利民	上海大学微电子研究与开发中心	68	247	8.0	14.0
2	江军兵	上海大学机电工程与自动化学院	2	9	2.0	2.0