标题：一种基于BP神经网络的磁钢表面缺陷分类方法
作者：江军兵；严利民
作者单位：上海大学机电工程与自动化学院，上海 200072；上海大学微电子研究与开发中心，上海 200072
关键字：缺陷分类，Blob分析，特征提取，BP神经网络
摘要：传统磁钢表面缺陷分类一般采用人工检测方式，存在着检测效率低下和视觉疲劳等不可避免的缺点。针对磁钢的缺角、断裂和刀痕等缺陷类型特征，介绍了一种基于BP神经网络对磁钢表面缺陷进行分类的方法。首先通过工业相机获取磁钢图像并进行图像处理，得到磁钢缺陷的形状图像。由于不同缺陷的特征差异明显，采用Blob分析提取出缺陷形状的7个特征参数（圆形度、矩形度、长宽比等参数），将上述的特征参数作为BP神经网络的输入，最后采用BP神经网络对磁钢缺陷特征进行训练并分类。通过实验表明，该方法能用较少数量的迭代训练，就可以快速且准确地分类出磁钢缺陷类型，具有简单、快捷以及计算量少的特点，为自动化质量检测系统中的提供一种切实可行的方案。