基于神经网络和形态学的钢表面缺陷识别

摘要：

钢表面图像的信噪比很低,探测目标很小,形状也不规则,因此钢材表面缺陷难于识别.引进基于神经网络和形态学的图像识别方法检测钢表面的各种缺陷,简述图像的预处理和BP神经网络建立的基本过程.通过对比BP神经和RGB阈值方法对钢表面图像的分割结果,表明BP神经网络方法优于RGB阈值方法.利用形态学处理方法过滤噪声,使结果更清晰.此方法能检测出不同类型的缺陷,且具有很强的鲁棒性.

关键词：神经网络、形态学、钢表面缺陷、图像识别

所属期刊栏目：38

分类号：TP183;TP391.4(自动化基础理论)

资助基金：国家自然科学基金资助项目50775229

在线出版日期：2011-01-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：26-28