钱柜777-经营情况稳健

一年以后,我国就自立研制出超级核算机威风·太湖之光。针对这一问题,农业部先后开展了果菜茶有机肥替代化肥行动和果菜茶病虫全程绿色防控试点。绝大多数特许校园开设在公立教学对比单薄的城市社区。by无戒-导师介绍--学员眼里的无戒和写作训练营-?在无戒写作训练营你能够收成啥?21天养成一个习气,跟着无戒教师一同日更;系统化的解说,课程无限回听;每日交心敦促、在创造的道路上不孑立;无戒教师强壮的答疑才能处理作者遇到的各种迷惑;引导我们找到写作定位;训练出随时随地写文的才能;增强写作路上的决心;跟接地气的无戒教师元配兄弟,随时随地解惑;到达条件的优异学员,无戒教师会引荐签约,成果由官方决议。量子位问刘军其间的因素。
模聚通标识后来仍是肯尼亚政府出头说不要这么 | | 颇有一番意境   
有望迎来两连跌
飞跨于东堤和南湖岛之间
孤单地活在自个的国际
学院打造了无人机专业
 
外需继续萎缩、有用需要缺乏

《模具工业》编辑委员会

名誉主任委员:曹春华 褚克辛 曹延安

主任委员:武兵书

副主任委员(按姓氏笔画排):
申长雨院士 卢秉恒院士 叶 军
阮雪榆院士 李志刚   李德群院士
陈蕴博院士 赵红一   钟志华院士
崔 昆院士

委员(按姓氏笔画排列):
孔 啸  王 冲  王耕耘  王敏杰  王新云
刘全坤  刘春太  刘 斌  刘德普  朱晓兵
米永东  许发樾  阮 锋  吴国峰  吴晓春
张 平  张恭运  张嘉敏  李建军  李明辉
杨立群  杨 健  陈文琳  陈迎志  陈静波
周永泰  周华民  周芝福  周 建  林建平
施良才  赵 震  夏琴香  郭 成  常世平
黄绍浒  彭响方  蒋 鹏  韩长茂  鲍明飞
廖宏谊  蔡考群  蔡紫金

主  管:中国机械工业集团有限公司

主  办:钱柜777|www.qg0303.com|钱柜娱乐手机版客户端下载

编辑出版:《模具工业》编辑部

主  编:王 冲

执行主编:李 捷

编辑部:刘静  阁世景  欧艳  李强

广告部:郑利文  蒋明周  黄岚霞

地  址:广西桂林市东城路8号

邮政编码:541004

编辑部:0773-5605772 5888405
    5888145

广告部:0773-5888172 5888372
    5861906

发行部:0773-5861906、5888372

传  真:0773-5888375

电子信箱:mjgy2008@qq.com

网  址:www.fypa.net

印  刷:桂林澳群彩印有限公司

总发行:桂林市邮局

订阅处:全国各地邮局

邮发代号:48-31

国内定价:10.00元

国外代号:M5684

国外代理:中国国际图书贸易集团公司

国外定价:$10.00

 

办刊宗旨:

为行业服务,为企业服务,

为读者服务,推动模具技术发展。

 

战略合作单位:

 

基于预处理与卷积神经网络的塑件划痕检测

时间:2017-09-12   来源:模具工业   作者:崔炽标,李阳,毛霆,张云   浏览次数:425

标题:基于预处理与卷积神经网络的塑件划痕检测

作者:崔炽标,李阳,毛霆,张云(华中科技大学材料成型及模具技术国家重点试验室,湖北武汉430074)

摘要:为了在复杂的随机化纹理背景下准确地检测出塑件划痕缺陷,克服传统图像检测方法需要较多的启发式信息和人为设计特征的弊端,提高检测方法的适应性和实用性,以塑件划痕缺陷为研究对象,采用一种结合图像预处理与卷积神经网络的检测方法对塑件划痕进行检测。该方法首先通过简单的图像预处理将输入图像转变为基本特征图,然后利用卷积神经网络自动提取图像的特征,实现对塑件划痕的检测。试验结果表明,该方法对塑件划痕识别正确率达到98.37%,高于基于BP神经网络方法31.87%;对塑件划痕图像的识别正确率大于99%,在工业生产环境下具有较好的适应性,有一定的应用意义。

关键词:塑件;划痕检测;图像预处理;卷积神经网络;划痕缺陷

中图分类号:TG76;TG241 文献标识码:B 文章编号:1001-2168(2017)09-0001-06

DOI:10.16787/j.cnki.1001-2168.dmi.2017.09.001

Scratch detection of plastics based on preprocessing and convolutional neural network

CUI Chi-biao, LI Yang, MAO Ting, ZHANG Yun (State Key Laboratory of Material Processing and Die & Mould Technology, Huazhong University of Science and Technology, Wuhan, Hubei 430074, China)

Abstract: In order to detect the scratch defects of the plastics on the complex and random textured surface correctly, a defect detection method which combined image preprocessing and convolutional neural network was introduced. It overcame the disadvantages of normal detection methods that needed more heuristic information and designed the features artificially, and then improved the adaptability and practicality of the detection method. Firstly transformed the input image into basic feature picture by simple image preprocessing method, and then extracted the image features by convolutional neural network, finally the scratch defects were detected. The experiment results showed that the recognition accuracy of the method was over 98.37%, which was 31.87% higher than the BP network based method. And the accuracy of scratch defect images was above 99%, which was adaptive to the real industrial environment well. It has good adaptability and certain application significance in industrial production environment.

Key words: plastic parts; scratch detection; image preprocessing; convolutional neural network; scratch defect