目的為了有效濾除藥片包裝視覺(jué)檢測(cè)系統(tǒng)中的噪聲,提升圖像清晰度,保證后期圖像分割、邊緣處理順利進(jìn)行。方法針對(duì)藥片視覺(jué)檢測(cè)圖像中存在大量不確定噪聲,提出一種自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的圖像濾波算法。在模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中引入一個(gè)魯棒性較強(qiáng)的隸屬函數(shù),并通過(guò)梯度下降法對(duì)模糊神經(jīng)網(wǎng)絡(luò)中的參數(shù)進(jìn)行優(yōu)化訓(xùn)練,利用優(yōu)化后的網(wǎng)絡(luò)結(jié)構(gòu)對(duì)被噪聲污染的圖像進(jìn)行濾波處理。結(jié)果仿真結(jié)果表明,該算法能夠在保留較完整的圖像邊緣和重要細(xì)節(jié)的前提下,有效濾除藥片中的噪聲。結(jié)論該濾波算法有效提高了藥片圖像的清晰度,對(duì)于后期藥片圖像分割以及邊緣化處理具有重要意義。 

【文章來(lái)源】：包裝工程. 2020,41(07)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【圖文】：

藥片包裝視覺(jué)檢測(cè)流程Fig.1Tabletpackagingvisualinspectionprocess

除控制系統(tǒng)采用歐姆龍PLC作為控制器核心，主要負(fù)責(zé)數(shù)據(jù)采集，并控制執(zhí)行機(jī)構(gòu)完成邏輯動(dòng)作。圖1藥片包裝視覺(jué)檢測(cè)流程Fig.1Tabletpackagingvisualinspectionprocess2模糊神經(jīng)網(wǎng)絡(luò)濾波算法藥片視覺(jué)檢測(cè)系統(tǒng)在圖像采集過(guò)程中，會(huì)受到不同種類的噪聲干擾，導(dǎo)致圖像后期處理受到影響，并影響檢測(cè)系統(tǒng)的準(zhǔn)確性。為了有效地濾除圖像中噪聲，提升藥品檢測(cè)準(zhǔn)確率，文中利用模糊理論能夠?qū)Σ煌畔⑦M(jìn)行處理的優(yōu)點(diǎn)以及神經(jīng)網(wǎng)絡(luò)自學(xué)等特點(diǎn)，提出了一種模糊神經(jīng)網(wǎng)絡(luò)自適應(yīng)的藥片圖像濾波算法。定義模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)見(jiàn)圖2，其輸入為12,lllNxxx，其中1lx為噪聲像素，lWx為濾波窗口，l=(i－1)×r+j，模糊神經(jīng)網(wǎng)絡(luò)的輸出為[14]：1Nllliiiwy(1)其中：1lliiNliiw(2)12lliiiiyx(3)式中：N為濾波窗口lWx中的像素個(gè)數(shù)；liw反應(yīng)每個(gè)liy在輸出l中所占的權(quán)重；li為網(wǎng)絡(luò)輸入lix的模糊隸屬函數(shù)；δi1和δi2為經(jīng)過(guò)優(yōu)化的三維矢量參數(shù)。圖2網(wǎng)絡(luò)結(jié)構(gòu)Fig.2Networkstructure隸屬度函數(shù)對(duì)于模糊系統(tǒng)性能具有重要影響，文中提出的模糊隸屬函數(shù)為：122211ln1liiilic(6)式中：α和β為正常數(shù)；λi和ci為目標(biāo)量參數(shù)。式（6）可改寫為：

i，則采用線性最小二乘法確定其初始值；然后由式（1）求出組訓(xùn)練數(shù)據(jù)的系統(tǒng)實(shí)際輸出；再根據(jù)式（12）代價(jià)函數(shù)以及式（13—15）對(duì)參數(shù)δi1，δi2和λi進(jìn)行更新，最后利用最小二乘方法對(duì)參數(shù)ci進(jìn)行更新，如此一直迭代下去，直到式（12）函數(shù)值小于預(yù)定的閾值活迭代次數(shù)，達(dá)到了上限設(shè)定值，則訓(xùn)練就此結(jié)束。4仿真分析為了驗(yàn)證該濾波方法能夠有效濾除藥片包裝圖像中的噪聲，分別采用中值濾波、均值濾波以及模糊神經(jīng)網(wǎng)絡(luò)濾波分別對(duì)同一幅圖像進(jìn)行濾波處理，仿真結(jié)果見(jiàn)圖3。a原始圖像b中值濾波c均值濾波d模糊神經(jīng)網(wǎng)絡(luò)濾波圖3不同濾波算法Fig.3Differentfilteringalgorithms由圖3濾波效果可以看出，中值濾波算法不能有效濾除藥片圖像中的噪聲，且圖像原信息被破壞，細(xì)節(jié)變化也被大大削弱；均值濾波算法能夠有效濾除圖像中的噪聲，但圖像中的細(xì)節(jié)信息也被破壞。文中提出的模糊神經(jīng)網(wǎng)絡(luò)濾波方法能夠在保證原圖像中的重要信息和邊緣不被破壞的前提下，有效地濾除圖像中夾雜的噪聲。為了進(jìn)一步驗(yàn)證文中提出的模糊神經(jīng)網(wǎng)絡(luò)濾波方法的有效性，采用峰值信噪比來(lái)對(duì)比中值濾波、均值濾波以及模糊神經(jīng)網(wǎng)絡(luò)濾波的性能，不同濾波方法對(duì)圖像噪聲處理后的峰值信噪比見(jiàn)表1。表1不同濾波方法峰值信噪比Tab.1Peaksignal-to-noiseratio(PSNR)ofdifferentfilteringmethods濾波器峰值信噪比中值濾波21.44均值濾波22.56模糊神經(jīng)網(wǎng)絡(luò)濾波28.45

【參考文獻(xiàn)】：
期刊論文
[1]往復(fù)壓縮機(jī)故障診斷方法研究概述[J]. 張謙,舒悅,王樂(lè),謝傳東.  流體機(jī)械. 2018(03)
[2]自適應(yīng)維納濾波在鋼水紅外圖像去噪中的應(yīng)用[J]. 楊友良,王新宇,馬翠紅.  紅外技術(shù). 2015(09)
[3]基于CCD的金屬薄板印刷墨層厚度在線檢測(cè)研究[J]. 馬賽,曹春平,孫宇.  包裝工程. 2014(23)
[4]圖像去噪在印刷品質(zhì)量檢測(cè)上的應(yīng)用[J]. 劉蘇陽(yáng),唐萬(wàn)有.  包裝工程. 2014(15)
[5]基于圖像處理的藥片實(shí)時(shí)檢測(cè)及處理系統(tǒng)的研究及其應(yīng)用[J]. 劉圣曉.  計(jì)算機(jī)與現(xiàn)代化. 2013(05)
[6]包裝標(biāo)準(zhǔn)化影響因素實(shí)證分析——以長(zhǎng)株潭地區(qū)包裝企業(yè)為例[J]. 劉莉,薛凡.  包裝學(xué)報(bào). 2012(04)
[7]基于分?jǐn)?shù)階積分的圖像去噪[J]. 黃果,蒲亦非,陳慶利,周激流.  系統(tǒng)工程與電子技術(shù). 2011(04)
[8]基于魯棒性神經(jīng)模糊網(wǎng)絡(luò)的脈沖噪聲濾波算法[J]. 李岳陽(yáng),王士同.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2010(05)
[9]基于計(jì)算機(jī)圖像處理的印刷品缺陷檢測(cè)[J]. 趙丹,丁金華,孫秋花,都虹.  包裝工程. 2008(12)
[10]一種有效的小波-Wiener濾波去噪算法[J]. 趙艷明,全子一.  北京郵電大學(xué)學(xué)報(bào). 2004(04)

碩士論文
[1]基于LIFTING SCHEME小波的圖像自適應(yīng)去噪研究[D]. 肖楊波.南昌大學(xué) 2007
[2]圖像去噪方法的研究[D]. 劉祝華.江西師范大學(xué) 2005



本文編號(hào)：3617009