摘要:目前,在基于机器视觉的浮法玻璃质量在线监测系统中,首先需要对玻璃图像进行采集,对其进行处理和分析,以进行玻璃缺陷识别,然后用于后续操作中。本文根据对浮法玻璃各类缺陷的特征研究,通过分析反向传播学习神经网络识别算法的优缺点,采用一种改进方式用于浮法玻璃的缺陷分类和字符识别。经过实验数据测试表明,改进后的算法具有收敛速度快、识别误判率低的特点,能够为浮法玻璃质量在线检测系统中的玻璃打标和切割等操作提供准确、有效的信息,对于减少人工误差、保证产品质量等方面具有重要的意义。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社