杨彩霞，张 锦，陶志勇，王 莹

（1.湖南机电职业技术学院，长沙 410151；2.湖南师范大学，长沙 410000；3.长沙民政职业技术学院，长沙 410000；4.湖南中医药大学人文与管理学院，长沙 410208）

0 引言

零件质量检测技术是机械装备生产与制造过程的重要环节，目前，国内主要还处于以人眼结合测量仪器对产品加工质量进行抽检的阶段，而据科学统计，人目检测的稳定性只有80%，同时存在效率低下、成本大等问题，因此开发合理的金属表面缺陷在线检测与分类系统可以提高机械装备业的整体生产力水平。

金属表面缺陷分类具有复杂多变、非线性因素高等特性，国内外学者较多的采用神经网络分类法，Mohammad Reza Yazdchi、Ge-Wen Kang等研究者将神经网络运用于轧钢表面缺陷检测，获得了一定的检测效果[1,2]；东北大学韩英莉、颜云辉[3]以及苏州大学仲兆准、谢光伟[4]提出了基于BP神经网络带钢表面缺陷识别和分类法。BP神经网络算法属于局部寻优算法，训练学习时间较长，容易陷入局部极小值；粒子群算法从随机解出发，通过不断更新例子的位置和速度，寻找网络的全局最优解，可以防止BP网络陷入局部极值，提高网络收敛速度和计算效率[5,6]。为了验证模型准确性，采用自适应阈值分割法实现工件缺陷分割，获得了较好的分割效果，计算缺陷纹理特征向量，利用MATLAB软件和计算的样本数据计算并验证缺陷分类模型，结果表明提出的缺陷分类方法合理有效。

图1 PSO-BP算法寻优流程

1 基于PSO改进BP神经网络算法的缺陷分类

1.1 金属工件缺陷分类BP神经网络建模

本系统主要研究金属工件表面孔洞、划伤、壳状凸起等典型缺陷。……