期刊论文

Defects classification of metal part’s surface based on PSO improved BP neural network algorithm

中文

制造业自动化

1009-0134

2018

40

7

5-7

10.3969/j.issn.1009-0134.2018.07.002

17C0580:湖南省教育厅科学研究项目 60901080:国家自然科学基金 15K082:湖南省教育厅项目 16C0084:湖南省教育厅项目 JDK16TD05:湖南机电职业技术学院科研团队课题 201702001043:教育部卓越工程师教育培养计划项目产学合作协同育人项目

本校为其他机构

为了实现金属工件表面缺陷在线检测,利用CCD传感器和图像处理技术,对金属工件表面孔洞、划伤和壳状凸起等缺陷进行特征提取与分类。采用自适应阈值分割法对预处理图像进行缺陷特征分割,运用BP神经网络建立对样本的缺陷特征向量和缺陷分类结果的网络预测模型,为了提高网络模型的精确度,采用PSO算法改进BP神经网络的权值和阈值,通过实验样本验证和对比BP和PSO-BP模型的准确率和平均误差,试验结果表明基于PSO-BP算法的金属表面缺陷分类准确率达到85%以上,获得了更优的分类效果。