论文部分内容阅读
钢表面图像的信噪比很低,探测目标很小,形状也不规则,因此钢材表面缺陷难于识别。引进基于神经网络和形态学的图像识别方法检测钢表面的各种缺陷,简述图像的预处理和BP神经网络建立的基本过程。通过对比BP神经和RGB阈值方法对钢表面图像的分割结果,表明BP神经网络方法优于RGB阈值方法。利用形态学处理方法过滤噪声,使结果更清晰。此方法能检测出不同类型的缺陷,且具有很强的鲁棒性。