視覺檢查系統(tǒng)中基于BP神經網絡的模式識別的研究.pdf

1、工業(yè)視覺檢查系統(tǒng)按使用功能不同大致可分為檢查、定位和裝配三類。本系統(tǒng)屬于檢查類，即對工業(yè)零件或商品進行分類、識別并判別合格與否。在工業(yè)生產中，環(huán)境和照明條件的確定性使得快速準確地判別、分類零件或商品的想法成為可能，本系統(tǒng)就是在這種想法下應運而生。系統(tǒng)采用圖像傳感器攝取原始圖像，避免了與對象的直接接觸和人工檢查；利用VC編制圖像處理部分，識別算法采用人工神經網絡，根據(jù)工業(yè)零件的形狀設計出可模擬多種函數(shù)的非線性映射。 在識別系統(tǒng)中提

2、取適合的特征是困難并重要的。對于一幅待識別的數(shù)字圖像，要想有效的提取它的特征，必須對它作一些必要的處理和分析。在圖像識別中，常被選用的特征有圖像幅度特征、圖像統(tǒng)計特征、圖像幾何特征、圖像變換系數(shù)特性等。其中直方圖特征、統(tǒng)計性特征、面積、周長、分散度、伸長度等是本課題選取的特征，壓縮這些特征作為輸入樣本訓練神經網絡。對于訓練好的神經網絡輸入特征可分類圖像，從而達到識別的目的。 在各種神經網絡的模型中，模式識別中應用最多也是最成功的

3、當數(shù)多層前饋網絡，其中又以采用BP學習算法的多層感知器(BP網絡)為代表。由于網絡采用的是監(jiān)督學習方式進行訓練，因此只能用于監(jiān)督模式識別問題。雖然BP神經網絡在應用中取得了一定的成功，但它仍然存在很多缺陷。如：訓練時易陷入局部極小、收斂速度慢、隱結點個數(shù)難以確定等。本文針對傳統(tǒng)BP神經網絡的特點，為了提高神經網絡識別的速度及實用性，提出了一種動態(tài)調整網絡結構的改進網絡模型，給出了這一模型在應用中的算法。實驗結果表明：與傳統(tǒng)的BP神經網絡