论文部分内容阅读
陶瓷膜种类多而杂,对陶瓷膜缺陷的检测则涉及到其表面的缺陷检测(支撑体层),而机器视觉的发展和运用使表面缺陷检测变得更加简单且智能化.文章基于陶瓷膜表面存在的划痕、裂纹、落渣、凹坑4种缺陷,运用MATLAB的图像处理技术和BP神经网络分类对陶瓷膜的表面缺陷进行提取分析和分类,结果表明,BP神经网络分类对陶瓷膜表面缺陷识别的正确率达到78.125%.