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 精密光機電一體化技術教育部重點實驗室，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 精密光機電一體化技術教育部重點實驗室，北京 100191）

脈沖耦合神經網絡（PCNN，Pulse Coupled Neural Network）與傳統神經網絡不同，不經過訓練即可用于圖像處理.針對PCNN模型中結構參數較多，且需要人工反復試驗進行設置的困難，改進模型結構，簡化了饋送輸入和連接輸入，減少了待定參數;根據鄰域灰度動態地計算內部連接系數，由鄰域的歐氏距離計算權值矩陣，再由圖像的灰度特征計算動態閾值.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.

脈沖耦合神經網絡;陀螺軸尖;缺陷檢測

軸尖作為液浮陀螺的一個關鍵零件，其表面的加工質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，導致在加工過程中零件表面不可避免的出現凹陷、劃痕及銹斑等缺陷，與傳統的在顯微鏡下目視檢測表面缺陷的方法不同，本文采用視覺技術檢測軸尖表面缺陷，但由于軸尖的高曲率導致區域光照不均勻及金屬固有紋理的存在，使得缺陷區域與背景區域的對比度不高，圖像分割比較困難.

脈沖耦合神經網絡（PCNN，Pulse Coupled Neural Network）是基于……