基于改进型PCNN图像分割技术的金属表面检测  

Metal surface detection based on improved pcnn image segmentation technology

作　　者：陈晗彬 刘祚时[2] CHEN Han-bin;LIU Zuo-shi

机构地区：[1]江西理工大学电气工程与自动化学院,赣州341000 [2]江西理工大学机电工程学院,赣州341000

出　　处：《制造业自动化》2021年第4期43-46,62,共5页Manufacturing Automation

基　　金：国家自然科学基金资助项目(71361014);江西省研究生创新专项资金资助项目(YC2019-S313)。

摘　　要：对金属表面缺陷中的轧入氧化皮、斑点和划痕3种缺陷检测设计了一种有效方法。首先将目标图片进行灰度值归一化增强图像,提高其视觉效果方便后续图像处理。然后应用改进型脉冲耦合神经网络图像分割技术将目标图片分割得到二值图像,因为三种缺陷各有其独有的特征,据此将二值图像进行分析对比,最后对已经检测出的三种缺陷采取不同的方法标注缺陷位置。在分割方法上与Gabor分割方法进行对比实验,实验结果表明所设计的方法对三种缺陷的检测是十分迅捷且有效的,是可以用于现代化工厂缺陷检测的。

关 键 词：金属表面缺陷 PCNN图像分割缺陷检测 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]