基于改進PCNN的軸尖表面缺陷檢測

趙慧潔 葛文謙 李旭東

（北京航空航天大學(xué) 精密光機電一體化技術(shù)教育部重點實驗室，北京 100191）

基于改進PCNN的軸尖表面缺陷檢測

趙慧潔 葛文謙 李旭東

（北京航空航天大學(xué) 精密光機電一體化技術(shù)教育部重點實驗室，北京 100191）

脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN，Pulse Coupled Neural Network）與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)不同，不經(jīng)過訓(xùn)練即可用于圖像處理.針對PCNN模型中結(jié)構(gòu)參數(shù)較多，且需要人工反復(fù)試驗進行設(shè)置的困難，改進模型結(jié)構(gòu)，簡化了饋送輸入和連接輸入，減少了待定參數(shù);根據(jù)鄰域灰度動態(tài)地計算內(nèi)部連接系數(shù)，由鄰域的歐氏距離計算權(quán)值矩陣，再由圖像的灰度特征計算動態(tài)閾值.將改進的PCNN用于陀螺軸尖表面缺陷圖像的分割，用基于完整性與正確性指標的緩沖區(qū)匹配方法評價所提方法、最大熵法及Canny方法.針對不同缺陷圖像的實驗表明:所提算法的完整性與正確性都高于0.9，證明所提方法更有效.

脈沖耦合神經(jīng)網(wǎng)絡(luò);陀螺軸尖;缺陷檢測

軸尖作為液浮陀螺的一個關(guān)鍵零件，其表面的加工質(zhì)量會直接影響陀螺儀的性能和精度.由于材料及加工工藝的限制，導(dǎo)致在加工過程中零件表面不可避免的出現(xiàn)凹陷、劃痕及銹斑等缺陷，與傳統(tǒng)的在顯微鏡下目視檢測表面缺陷的方法不同，本文采用視覺技術(shù)檢測軸尖表面缺陷，但由于軸尖的高曲率導(dǎo)致區(qū)域光照不均勻及金屬固有紋理的存在，使得缺陷區(qū)域與背景區(qū)域的對比度不高，圖像分割比較困難.

脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN，Pulse Coupled Neural Network）是基于……