第 卷 第 期
年 月
广东工业大学学报
Ｊｏｕｒｎａｌ ｏｆ Ｇｕａｎｇｄｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ
Ｖｏｌ Ｎｏ
Ｍａｒｃｈ
收稿日期
作者简介 李刚男硕士研究生主要研究方向为图像测控识别技术
基 于 ＢＰ 神 经 网 络 的 工 艺 球 缺 陷 检 测
李刚汪仁煌李佩
广东工业大学 自动化学院广东 广州
摘要 对羽毛球工艺球图像经过预处理得到缺陷形状信息图像提取图像的 个极半径不变矩特征圆心度球体
外圆和球头圆心偏差总共 个特征参数构成图像特征向量组建立三层结构的 ＢＰ 神经网络以这 个不变量特征
值组成的特征向量归一化后作为神经网络的输入根据神经网络的输出进行缺陷检测实验结果证明了该方法能
有效地用于羽毛球工艺球的缺陷检测
关键词 羽毛球工艺球缺陷检测极半径不变矩ＢＰ 神经网络
中图分类号 ＴＰ文献标志码 Ａ文章编号
Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｄｅｆｅｃｔｓ ｉｎ Ｐｒｏｃｅｓｓ Ｂａｌｌｓ Ｂａｓｅｄ ｏｎ ＢＰ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ
Ｌｉ Ｇａｎｇ Ｗａｎｇ Ｒｅｎｈｕａｎｇ Ｌｉ Ｐｅｉ
Ｆａｃｕｌｔｙ ｏｆ Ａｕｔｏｍａｔｉｏｎ Ｇｕａｎｇｄｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ Ｇｕａｎｇｚｈｏｕ Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ Ｔｈｅ ｉｍａｇｅ ｏｆ ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ ａｂｏｕｔ ｔｈｅ ｓｈａｐｅ ｏｆ ｄｅｆｅｃｔｓ ｉｎ ｔｈｅ ｓｈｕｔｔｌｅｃｏｃｋ ｐｒｏｃｅｓｓ ｂａｌｌ ｗａｓ ｏｂ
ｔａｉｎｅｄ ａｆｔｅｒ ｐｒｅｔｒｅａｔｍｅｎｔ ｏｆ ｔｈｅ ｉｍａｇｅｓ ｏｆ ｔｈｅ ｓｈｕｔｔｌｅｃｏｃｋ ｐｒｏｃｅｓｓ ｂａｌｌＴｈｅｎ ｔｈｅ ｆｉｖｅ ｐｏｌａｒｒａｄｉｕｓ ｍｏ
ｍｅｎｔ ｉｎｖａｒｉａｎｔｓ ｃｉｒｃｕｌａｒｉｔｙ ａｎｄ ｔｈｅ ｄｉｆｆｅｒｅｎｃｅ ｂｅｔｗｅｅｎ ｔｈｅ ｃｙｌｉｎｄｒｉｃａｌ ｐａｒｔ ａｎｄ ｔｈｅ ｃｅｎｔｅｒ ｏｆ ｔｈｅ ｂａｌｌ ｉｎ
ｐｒｏｃｅｓｓｅｄ ｉｍａｇｅｓ ｗｅｒｅ ｅｘｔｒａｃｔｅｄＴｈｅ ｓｅｖｅｎ ｎｏｒｍａｌｉｚｅｄ ｅｉｇｅｎｖａｌｕｅｓ ｗｅｒｅ ｉｎｐｕｔ ｉｎｔｏ ｔｈｅ ＢＰ ｎｅｕｒａｌ ｎｅｔ
ｗｏｒｋ ｂａｓｅｄ ｏｎ ＬｅｖｅｎｂｅｒｇＭａｒｑｕａｒｄｔ ａｌｇｏｒｉｔｈｍ ａｎｄ ｔｈｅ ｔｒａｉｎｅｄ ｎｅｔｗｏｒｋ ｗａｓ ｕｓｅｄ ｔｏ ｂｅ ａ ｄｅｔｅｃｔｏｒ ｔｏ ｒｅｃ
ｏｇｎｉｚｅ ｔｈｅ ｉｍａｇｅ ｐａｔｔｅｒｎＥｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ａ ｒｅｌａｔｉｖｅｌｙ ｇｏｏｄ ｒｅｃｏｇｎｉｔｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ ｃａｎ ｂｅ
ａｃｈｉｅｖｅｄ ｔｏ ｄｅｔｅｃｔ ｄｅｆｅｃｔｓ ｉｎ ｓｈｕｔｔｌｅｃｏｃｋ ｐｒｏｃｅｓｓ ｂａｌｌｓ
Ｋｅｙ ｗｏｒｄｓ ｓｈｕｔｔｌｅｃｏｃｋ ｐｒｏｃｅｓｓ ｂａｌｌ ｄｅｆｅｃｔ ｄｅｔｅｃｔｉｏｎ ｐｏｌａｒｒａｄｉｕｓ ｍｏｍｅｎｔ ｉｎｖａｒｉａｎｔ ＢＰ ｎｅｕｒａｌ ｎｅｔ
ｗｏｒｋ
在传统的羽毛球生产过程中有很多生产环节
次品的检测都是依靠人工目测进行其中在工艺球
生产环节中由于插毛机械装置的误差容易造成次
品而这些次品通常需要人工目测挑选出来再进行
人工调球才能满足后续加工要求人工容易产生视
力疲劳而且效率低在羽毛球工艺球方面应用机
器视觉进行缺陷检测的研究比较少本文对机器视
觉技术应用于对羽毛球工艺球次品检测进行探讨与
研究并给出了羽毛球工艺球检测的方法
１图像预处理
通过实际观察以及人工目测对缺陷的分类和
大量的缺陷样品调查虽然缺陷情况有几十种但这
些缺陷基本上都是由 根羽毛叶分布不均匀造成
的在图像上反映为羽毛叶相互形成的 个空隙区
域的形状分布不均因此图像预处理主要放在提
取 个空隙区图像形状信息和测出一些基本形状
参数方面对羽毛球工艺球的图像预处理包括阈
值分割二值化连通域滤波和形态学边界处理等
预处理图像效果见图
２羽毛球工艺球缺陷特征提取
特征提取与选择的基本任务是研究如何从众多
特征中求出那些对分类识别最有效的特征从而实
现特征空间的维数的压缩
针对羽毛球工艺球缺
陷检测内容主要是 个空隙区域的分布均匀情况
进行检测通过分析缺陷图像和实验得出以圆心
度圆心偏离差值和 个极半径不变矩等 个特征
参数这些参数既反映了图像全局的特征又以
个单个空隙的区域特征反映整个球局部特征
资源评论
