基于BP神经网络的纸张缺陷检测与识别研究

纸张表面缺陷会直接影响印刷产品的质量。为了快速、准确地检测出纸张缺陷,本文提出了一种基于BP神经网络的纸张缺陷检测与识别的方法。先将纸张缺陷经过形态学处理,再进行形状分析,然后把距离、面积、延长因子和圆度因子四个特征参数输入神经网络进行训练,最后利用训练后的神经网络对纸张缺陷类型进行识别。实验表明:将BP神经网络用于纸张缺陷检测中,能有效地检测缺陷类型,并准确识别常见的尘埃、孔洞、裂口和褶子四种纸张缺陷。     

基于图像掩模和击中击不中变换的优化边缘提取算法

为了解决传统Sobel算法在边缘提取时存在的定位不准确、边缘线条较粗、细节缺失的问题,提出了一种改进算法。首先使用增加方向模板后的Sobel算子对图像进行卷积,再对梯度图像进行边缘检测得到双线条图像,并以此作为掩膜来消除原梯度图中的伪边缘,从而对边缘线宽进行细化,然后使用Otsu算法将图像进行二值分割,最后通过数学形态中基于击中击不中变换的细化对图像进行全局处理来消除图像纹理干扰点。实验表明,与传统的边缘提取算法相比,改进后的算法定位准确,边缘较细,并保持了原图像的细节。