基于改进PCNN的轴尖表面缺陷检测

赵慧洁 葛文谦 李旭东

（北京航空航天大学 精密光机电一体化技术教育部重点实验室，北京 100191）

基于改进PCNN的轴尖表面缺陷检测

赵慧洁 葛文谦 李旭东

（北京航空航天大学 精密光机电一体化技术教育部重点实验室，北京 100191）

脉冲耦合神经网络（PCNN，Pulse Coupled Neural Network）与传统神经网络不同，不经过训练即可用于图像处理.针对PCNN模型中结构参数较多，且需要人工反复试验进行设置的困难，改进模型结构，简化了馈送输入和连接输入，减少了待定参数;根据邻域灰度动态地计算内部连接系数，由邻域的欧氏距离计算权值矩阵，再由图像的灰度特征计算动态阈值.将改进的PCNN用于陀螺轴尖表面缺陷图像的分割，用基于完整性与正确性指标的缓冲区匹配方法评价所提方法、最大熵法及Canny方法.针对不同缺陷图像的实验表明:所提算法的完整性与正确性都高于0.9，证明所提方法更有效.

脉冲耦合神经网络;陀螺轴尖;缺陷检测

轴尖作为液浮陀螺的一个关键零件，其表面的加工质量会直接影响陀螺仪的性能和精度.由于材料及加工工艺的限制，导致在加工过程中零件表面不可避免的出现凹陷、划痕及锈斑等缺陷，与传统的在显微镜下目视检测表面缺陷的方法不同，本文采用视觉技术检测轴尖表面缺陷，但由于轴尖的高曲率导致区域光照不均匀及金属固有纹理的存在，使得缺陷区域与背景区域的对比度不高，图像分割比较困难.

脉冲耦合神经网络（PCNN，Pulse Coupled Neural Network）是基于……