《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，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：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_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
广告发布登记证：杭上市管广发G-001号

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：3056 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