[发明专利]基于线阵CCD的物件表面缺陷检测方法及装置

权利要求书

1.一种基于线阵CCD的物体表面缺陷检测方法，其特征在于，光源发出的光照射在物体表面上，物体表面的图像成像到线阵CCD器件的像元阵列表面，使得线阵CCD器件输出用于表征光强的模拟电压信号S(t)；线阵CCD器件中的每一个像数对应一个模拟电压信号S(t)；

采用BP神经网络对模拟电压信号S(t)进行分类处理，从而识别出物体表面缺陷；

所述的BP神经网络的输入层为一个神经元，输入信号为模拟电压信号S(t)；

所述的BP神经网络的隐含层为一层，包含3个神经元；

所述的BP神经网络的输出层为一个神经元，输出0或1信号分别表示当前像素点对应的物体表面区域为缺陷或正常；由于像素点在线阵CCD中的位置与物体表面区域具有一一对应关系，因此，根据输出信号为0的像素点在线阵CCD器件中的位置即能确定物体的缺陷位置所在。

2.根据权利要求1所述的基于线阵CCD的物体表面缺陷检测方法，其特征在于，在使用BP神经网络前，先对BP神经网络进行数据预处理和训练；

所述的数据预处理的过程为：先用样本中的模拟电压信号S(t)的值除以该列的最大模拟电压信号S(t)的值，以使其输入值限定在区间[0,1]上；并且，用0表示“缺陷”，用1表示“正常”，作为BP神经网络的预期输出；

所述的训练过程为：

（1）初始化该网络的权值和偏差：网络的初始化权值和偏差取用随机函数生成的介于[-1,1]的小数；

（2）进行训练及扫描过程的迭代：

输出神经元的实际值>0.9时就认为此时的输出的布尔量是1，输出<0.1时认为此时的输出的布尔量是0；

将学习率η设为0.9，根据指定的终止条件神经网络的输出值和实际输出值的误差小

于0.1，采用多个样本，对权值和偏差采用实例更新的方法进行训练及迭代；

①相对于前一层i，计算神经元j的净输入Ij为I_j＝∑(W_ij·O_i)+θ_j；

②计算神经元输出：使用对数型的单极性Sigmoid函数将各神经元j的输出映射到区间[0,1]；

③计算反向传播误差ERRj：对输出层的各神经元j，ERRj=Oj*(1-Oj)*(Tj-Oj)，其中，Tj为训练样本的已知类标号实际输出；

④计算隐藏层神经元j的误差ERRj：从最后一个到第一个隐藏层的各神经元j，ERRj=Oj*(1-Oj)*∑(ERRk*Wjk),K为输出层的节点编号；

⑤更新权值：对网络中的中各权值Wij，使用下面两式来计算，ΔWij=η*ERRj*Oj；

Wij=Wij+ΔWij；

⑥更新偏差：对网络中的各偏差θ_j，使用下面两式来计算

Δθ_j=η*ERRj；

θ_j=θ_j+Δθ_j；

训练完成后，从BP神经网络提取关于输入和输出类的关联规则。

3.一种基于线阵CCD的物体表面缺陷检测装置，其特征在于，采用权利要求1或2所述的基于线阵CCD的物体表面缺陷检测方法，包括光学图像采集模块、可编程逻辑器件、驱动模块、信号调理模块和A/D转换模块；

可编程逻辑器件通驱动模块驱动光学图像采集模块工作；光学图像采集模块的输出信号依次经信号调理模块和A/D转换模块输入到可编程逻辑器件进行处理；

光学图像采集模块包括光源、光学镜头和图像传感器。

4.根据权利要求1所述的基于线阵CCD的物体表面缺陷检测装置，其特征在于，还包括与可编程逻辑器件连接的显示屏和报警音箱。