《机电工程》杂志,浙江大学与浙江省机电集团联合主办。月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲
副 主 编罗向阳
副 社 长罗向阳
出 版浙江省机械工业情报研究所 《机电工程》杂志社
地 址浙江省杭州市大学路高官弄9号
电话Tel+86-571-87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局
国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告经营许可证3301004000063

在线杂志

当前位置: 机电工程 >>在线杂志

PNN与BP神经网络在钢板表面 缺陷分类中的应用研究*

作者:郭联金1,罗炳军2 日期:2015-05-14/span> 浏览:1170 查看PDF文档

 PNN与BP神经网络在钢板表面缺陷分类中的应用研究*

郭联金1,罗炳军2
 
(1.东莞职业技术学院 机电工程系,广东 东莞 523808;2.广州炬森自动化设备有限公司,广东 广州 510660)
 
 
摘要:针对钢板表面缺陷图像信噪比低、特征复杂多变而导致现有的钢板表面缺陷模式识别与分类方法存在的实时性差、精度低、适应性差等问题,研究了基于人工神经网络的分类器,以实现对钢板表面缺陷进行实时有效的分类识别。根据钢板表面划痕、麻点、夹杂、锈蚀、辊印5类缺陷的特点,从缺陷图像信号中提取了几何特征、灰度特征和Hu矩特征,选取了能够比较全面表征缺陷特征信息的13维特征向量作为神经网络的输入数据,为缺陷识别和分类提供了依据。分别构造了概率神经网络PNN和BP神经网络分类器,对钢板的表面缺陷进行了分类测试,并对测试结果进行了对比分析。实验结果表明,PNN和BP神经网络的识别率分别为87%和81%。PNN在识别准确率、训练速度、追加样本的能力等几方面的综合性能优于BP神经网络。
 
关键词:PNN;BP神经网络;钢板表面;缺陷分类
 
中图分类号:TB553;TH878
文献标志码:A文章编号:1001-4551(2015)03-0352-06
 
本文引用格式:
 
郭联金,罗炳军.PNN与BP神经网络在钢板表面缺陷分类中的应用研究[J].机电工程,2015,32(3):352-357.
 
GUO Lianjin, LUO Bingjun. Application of probabilistic neural network and BP networks for steel plate surface defects classification[J].Journal of Mechanical & Electrical Engineering, 2015,32(3):352-357.
《机电工程》杂志:http://www.meem.com.cn
 

合作伙伴

浙江机械信息网