1.1 神经网络
神经网络因其具有非线性特性、大量的并行分布结
构以及学习和归纳能力而在诸如建模、时间序列分析、模
式识别、信号处理以及控制等方面得到了广泛应用。尤
其面对缺少物理或统计理解、观察数据中存在着统计变
化、数据由非线性机制产生等棘手问题,神经网络能够
提供较为有效的解决方法 [4],是替代人工检测工艺实现智
能分类最合适的选择。
在人工神经网络技术中,神经网络的结构种类繁多,
而在模式识别中 BP 网络是应用最广泛得到效果也比较
好,BP 网络是采用 BP 算法的前馈型神经网络 [5]。它是
由多层感知机发展起来的层次型网络,可实现从输入到
输出的任意非线性映射。
1.2 神经网络的输入
瓷砖的主要缺陷包含:色差、凸块、凹陷、孔洞、污垢、
纹理、裂纹等表面缺陷 [6]。对于图像而言颜色是图像内
容组成的基本要素,也描述图像各像素点值分布的表征,
再结合瓷砖的形状特征通过神经网络进行综合判断。
1.2.1 颜色特征
颜色相对于几何形状特征图形而言,对平移、旋转、
缩放等变换具有不变性,对图像本身的尺寸、方向、视
角的依赖性较小,表现出相当强的鲁棒性 [7]。颜色表示
方式有很多,颜色直方图是表达颜色特征最常用的方式,
除此之外,还有色彩矩和色彩集合。该文采用面向硬件
设备的 RGB 模型 [8-9] 三色分量叠加处理 {P1、P2、P3}
来表示图像的颜色特征。
1.2.2 形状特征
瓷砖是规则的矩形结构,针对于现在家居装修所用
瓷砖出现的大小不一、形变现状,把握住瓷砖这一形状
特点来表征目标能够提高系统的正确率。因此,提取了
瓷砖的面积、周长和角度三分量作为神经网络的另外三
个输入量 {p4、p5、p6}。
2 MATLAB 中瓷砖分类的设计
瓷砖分类基于 MATLAB 的程序 (M 文件 ) 开发设计
主要分为两大模块:数据处理(特征提取)与智能判断。
该程序设计思想:是针对目前使用较广泛的边长相等瓷
砖而设计的,适合于严格的正方形结构(规则的长方形
结构产品分类方法类似)。
产品检测算法设计:
(1)规定四边形结构瓷砖的四个顶点为其固有角点
数 (cnt=4),当产品表面存在斑点、裂缝、污点等缺陷时,
cnt>4 程序跳出判其为次品;
(2)判断产品边长是否相等,不相等跳出显示次品;
(3)同理,分析四个角是否为直角;
(4)提取特征参数:计算 R、G、B、Area、Suml
收稿日期:2008-9-25
作者简介:陈瑶(1982-),女,汉族,硕士研究生,从
事检测技术与自动化装置的研究。
Email:homewhp@163.com
生产与应用 文章编号:1001-9642(2008)12-0052-03
1