基于BP神经网络的玻璃缺陷检测方法.pdf
英瑞****写意
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于BP神经网络的玻璃缺陷检测方法.pdf
本发明实施方式提供一种基于BP神经网络的玻璃缺陷检测方法,涉及玻璃缺陷检测技术领域。方法包括:获取待检测玻璃图像;从待检测玻璃图像中提取包括玻璃缺陷的目标图像;从目标图像中提取玻璃缺陷的特征参数;以玻璃缺陷的特征参数为输入,经玻璃缺陷检测模型识别待检测玻璃的缺陷类型;玻璃缺陷检测模型通过多个包括玻璃缺陷的玻璃图像样本对BP神经网络进行训练后得到。本发明上述技术方案通过采集玻璃基板的图像并提取玻璃缺陷的特征参数,利用经包括不同玻璃缺陷的图像样本训练后的BP神经网络识别玻璃缺陷的类型,对不同类别的铂金缺陷的分
神经网络优化方法bp算法缺陷.pptx
第3章神经网络优化方法3.1BP网络学习算法改进3.1BP网络学习算法改进3.1BP网络学习算法改进3.1BP网络学习算法改进3.1BP网络学习算法改进3.1BP网络学习算法改进3.1.1消除样本输入次序影响改进算法3.1.1消除样本输入次序影响改进算法3.1.2附加动量改进算法3.1.3采取自适应调整参数改进算法3.1.4使用弹性方法改进算法3.1.5使用拟牛顿法改进算法3.1.6基于共轭梯度法改进算法3.1.6基于共轭梯度法改进算法3.1.7基于Levenberg-Marquardt法改进算法BP神经
神经网络优化方法(bp算法缺陷).ppt
第3章神经网络优化方法3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1.1消除样本输入顺序影响的改进算法3.1.1消除样本输入顺序影响的改进算法3.1.2附加动量的改进算法3.1.3采用自适应调整参数的改进算法3.1.4使用弹性方法的改进算法3.1.5使用拟牛顿法的改进算法3.1.6基于共轭梯度法的改进算法3.1.6基于共轭梯度法的改进算法3.1.7基于Levenberg-Marq
神经网络优化方法(bp算法缺陷).ppt
第3章神经网络优化方法3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1BP网络学习算法的改进3.1.1消除样本输入顺序影响的改进算法3.1.1消除样本输入顺序影响的改进算法3.1.2附加动量的改进算法3.1.3采用自适应调整参数的改进算法3.1.4使用弹性方法的改进算法3.1.5使用拟牛顿法的改进算法3.1.6基于共轭梯度法的改进算法3.1.6基于共轭梯度法的改进算法3.1.7基于Levenberg-Marq
基于BP神经网络的轮速传感器齿圈表面缺陷检测方法.pdf
本发明公开了一种基于BP神经网络的轮速传感器齿圈表面缺陷检测方法,具体实施内容为:本发明方法采用事先确定感兴趣区域的方式,对轮速传感器齿圈表面图像进行处理,然后分析表面缺陷的几何特征、纹理特征、灰度特征,选取较为突出的6个特征,即像素总数、灰度均值、灰度方差、熵值、惯性矩、逆差矩,作为训练BP神经网络的特征向量,确定BP神经网络的基本训练参数,利用齿圈表面图像训练样本对搭建好的神经网络模型进行训练学习,然后利用训练好的BP神经网络模型对被测齿圈表面图像进行缺陷检测,并输出检测结果。该方法可用于机器替代人类