Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/35616
標題: 類神經網路應用於被動元件辨識之研究
A Study of Passive Component Recognition By Using Neural Network
作者: 黃國峰
Huang, Kuo-Feng
關鍵字: Artificial neural network
類神經網路
Automatic recognition
Passive components
自動辨識
被動元件
出版社: 生物產業機電工程學系所
引用: [1]萬一怒。1998。糙米品質自動檢測分級系統—(一)檢測系統之研 製。農業機械學刊5(2):45-63。 [2]何建忠。2001。機器視覺應用於循環水道式養殖池魚類之計量分析。台北:國立台灣大學生物產業機電工程學研究所碩士論文。 [3]廖克東。2001。應用機器視覺於低對比動態X-Ray影像強化及瑕疵偵測之研究。桃園:元智大學工業工程與管理學研究所碩士論文。 [4]丁志文。2001。影像處理於SMD元件定位之應用。台北:國立台灣科技大學電機工程學研究所碩士論文。 [5] 謝家木。2002。應用數位影像處理技術/零次平衡補償法及雙變數函數進行光彈應力分離之研究。新竹:中華大學土木工程學研究所碩士論文。 [6]黃膺任、吳德輝、陳俊明。1998。類神經網路應用於水產養殖食辨識之研究。嘉義:嘉義技術學院學報58:25-36。 [7]溫福助。2000。類神經網路樣板比對法於車牌字元辨識之研究。台北:台灣大學電機工程學研究所碩士論文。 [8]吳時光、周源華、余松煜。1993。數位影像處理。台北:儒林圖書有限公司。 [9]蔡博智。2002。影像追蹤方法應用在監控系統之研究。桃園:中原大學機械工程學研究所碩士論文。 [10]石坤城。2000。機器視覺應用在香菇選別系統之研究。屏東:屏東科技大學食品科學研究所碩士論文。 [11]李家崴。2009。利用類神經網路在彩色圖像中偵測皮膚。台北:中國文化大學數位機電科技研究所碩士論文。 [12]羅華強。2001。類神經網路MATLAB的應用。台北:清蔚科技股份有限公司。 [13]彭國瑞。2001。智慧型影像處理於鋼構橋樑表面塗裝檢測之應用。新竹:國立交通大學土木工程學研究所碩士論文。 [14]張斐章、張麗秋。1994。類神經網路理論與實務。台北:東華書局。 [15]莊霖。1995。影像處理之色彩校正技術。Run PC。 [16]郭興家、吳立仁、張允豪。1999。類神經網路應用於影像處運算理魷魚分級之研究。農業機械學刊8(1):25-38。 [17] M. Ren, J.Yang, and H. Sun,”Tracing boundry contours in abinary image,” Image and Vision Computing, vol. 20, no. 2, pp. 125-131,2002. [18]H. Zheng, L. X. Kong, and S. Nahavandi, “Automatic inspection of metallic surface defects using genetic algorithms,” Journal of Materials Processing Technology., vol. 125-126, pp. 427-433, 2002. [19]K. W. Hsieh, S. Chen, W. H. Chang, M. T. Lee, and C. T. Chen,”A dynamic simulation model for seedling growth.” Transaction of the ASAE., vol. 44, no. 6, pp. 1949-1954, 2001. [20]R. C. Gonzalez, and R. E. Woods, “Digital Image Processing,” 2nd ed. Prentice Hall, Inc. N.J, 2002. [21]R. C. Gonzalez, and R. E. Woods, and S. L. Eddins, “Digital Image Processing Using MATLAB,” 1st ed. Pearson Prentice Hall, N.J, 2004. [22]S. M. Smith,and J.M. Brady, “SUSAN - a new approach to low level image processing,” International Journal of Computer Vision, vol. 23, no.1, pp. 45-78, 1997. [23]D. Zhao, and J. Chen, “Affine curve moment invariants for shape Recognition.” Pattern Recognition, vol. 30, no. 6, pp. 895-901, 1997. [24]P. Raveendran, R. Palaniappan, and S. Omatu, “Fuzzy artmap classification of invariant features derived using angel of rotation from a neural network.” Information Sciences, vol. 130, pp. 67-84,2000.
摘要: 本研究主要應用影像處理技術及類神經網路建立一套被動元件自動辨識與分類系統。本系統利用MATLAB程式同步整合影像處理及辨識作業,大幅減少傳統人工檢測的時間與成本。 在研究中,由CCD擷取影像後,即將原始影像分割成二值化影像,並在使用濾波器濾除雜訊後,自處理後的被動元件影像分別量測其周長、面積、顏色以及不變矩等特徵值,最後則透過倒傳遞類神經網路模式完成辨識與分類作業。本研究並針對200顆被動元件樣本進行系統實際測試,其結果顯示系統的辨識率可高達 96.5%,整體辨識系統的有效性由是獲得驗證。
In this research, an automatic passive components recognition and classification system was established by using image process technology and artificial neural network. The MATLAB Language integrates the image and, recognition processing simultaneously. This system is able to take place of the traditional manual recognition and classification operation and results in the benefits of times-saving and cost-down. In this study, the original image from CCD is binarized to acquire the binary image first. Then, a filter was employed to remove the noise from the binary image and the characteristic parameters such as the perimeter, the area, the color and the moment invariants of the passive component were measured. Finally, integrating the Backpropagation Neural Network model, the recognition and classification operation for passive components was accomplished. The available recognition rate of 200 test samples by using the developed system is as high as , 96.5% with which validates this developed system.
URI: http://hdl.handle.net/11455/35616
其他識別: U0005-0902201111225400
文章連結: http://www.airitilibrary.com/Publication/alDetailedMesh1?DocID=U0005-0902201111225400
Appears in Collections:生物產業機電工程學系

文件中的檔案:

取得全文請前往華藝線上圖書館



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.