发明名称 |
一种注塑制品缺陷检测识别方法 |
摘要 |
本发明公开了一种注塑制品缺陷检测识别方法,包括以下步骤:1)采集正常和存在已知缺陷的注塑制品的图像,对图像进行分类并生成样本;2)构建多层卷积神经网络模型;3)使用步骤1)中的样本对步骤2)中构建的卷积神经网络模型进行训练;4)将采集的实测注塑制品的图像经过预处理后输入步骤3)中已训练完成的卷积神经网络模型,卷积神经网络模型对实测注塑制品的图像进行分类识别,以判断注塑制品是否存在注塑缺陷,若存在缺陷则对缺陷类别进行识别。本发明构建的卷积神经网络模型对各种注塑缺陷均采用相同的特征选择、提取方式,适应性较强,可适用于注塑制品各种类型缺陷的检测与识别。 |
申请公布号 |
CN104850858A |
申请公布日期 |
2015.08.19 |
申请号 |
CN201510251086.X |
申请日期 |
2015.05.15 |
申请人 |
华中科技大学 |
发明人 |
周华民;张云;黄志高;李德群;程文博;崔炽标;高煌;周循道 |
分类号 |
G06K9/62(2006.01)I;G06T7/00(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
华中科技大学专利中心 42201 |
代理人 |
梁鹏 |
主权项 |
一种注塑制品缺陷检测识别方法,其特征在于:包括以下步骤:1)采集正常和存在已知缺陷的注塑制品的图像,对图像进行分类并生成样本;2)构建多层卷积神经网络模型,所述卷积神经网络模型能提取注塑制品图像的特征;3)使用步骤1)中的样本对步骤2)中构建的多层卷积神经网络模型进行训练;4)将采集的实测注塑制品的图像经过图像灰度化、图像缩放和图像归一化的预处理后输入步骤3)中已训练完成的卷积神经网络模型,卷积神经网络模型对实测注塑制品的图像进行分类识别,以判断注塑制品是否存在注塑缺陷,若存在缺陷则对缺陷类别进行识别。 |
地址 |
430074 湖北省武汉市洪山区珞喻路1037号 |