神经网络的输入-用汇编的眼光看c++（之 总结篇）（pdf版本）

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