摘要
针对传统基于机器视觉的钢球表面质量分拣系统,大多属于静态检测,在静止状态下对钢球的放置方式以及放置位置都有严格要求,自动化水平低,难以真实模拟现实中不同钢球的品质状态,适合小批量的抽样检测,无法胜任大批量、高速度质量判别的问题;本文通过将机器视觉和高光谱图像技术进行融合,通过对不同环境下光谱特性的分析,进而为机器视觉光源、背景材料的选择提供依据。结果表明,基于机器视觉和光谱成像技术的BP人工神经网络模型,能够提升钢球品质无损检测的实时性和精确性。
出处
《信息记录材料》
2025年第2期141-143,152,共4页
Information Recording Materials
基金
河南省高等学校重点科研项目计划项目(25B413011)
河南省科技攻关计划项目(242102220058)。
作者简介
侯远韶(1986-),男,河南鲁山,硕士,副教授,研究方向:机器学习与图像处理技术。
