改进的不变矩和PNN相结合的多品种产品识别算法

• 作 者: 李鑫 赵坤鹏 朱凌寒
• 机 构: 合肥工业大学电气与自动化工程学院
• 出 处: 传感器与微系统
• 发表日期: 2019年08期
• 关键词: 特征提取 不变矩 图像识别 概率神经网络 feature extraction invariant moments image identification p
• 基金项目: 工信部2016智能制造综合标准化与新模式应用项目(JZ2016GQBK0983),2017年安徽省科技重大专项资助项目(17030701041).

针对生产线中产品形状之间的相似性以及不可避免地存在一定几何失真、边缘模糊等问题,提出一种改进的不变矩和概率神经网络(PNN)相结合的多品种产品识别算法。首先通过图像的预处理提取出产品的边缘特征信息。然后利用改进的不变矩来描述产品的边缘特征,新的不变矩被证明不但具有图像的平移、旋转和比例不变性,而且消除了失真比例系数在离散状态下对不变矩的影响。PNN分类器通过对不同形态、比例的标准件进行训练,判断产品的种类,对产品标准件的识别准确率达到100%,对产品实物的识别准确率达到98. 61%,证明改进的不变