严道森，孙 渊

（上海电机学院机械学院，上海201306）

随着现代工业的快速发展，以注塑成型为基础的塑料注塑件应用越来越广泛，外观质量是影响注塑件品质的一个关键因素［1］。因此，对注塑件表面质量进行直观检测是检测注塑件质量的一个重要环节。人工目视检测仍然是注塑件生产企业主要采用的检测方法，容易受到人为主观因素的限制，检测的准确率难以保证［2］。同时，工人的视觉疲劳和精神疲劳使得检测的效率难以持续，长期在充满刺鼻化工塑料气味的环境工作，也会对工人身体健康产生一定影响。

基于上述问题，机器视觉检测技术可以很好地克服检测任务中人工检测的不足。传统的机器视觉检测技术是人工选取特征作为机器学习的参数，通过特征分类算法实现图像的识别分类，这对人工经验要求极高，也难以推广发展。传统机器视觉检测方法的不足之处在于无法自动提取图像分类特征，但卷积神经网络算法可以很好地实现这些要求。卷积神经网络主要特点是利用卷积操作，逐层提取特征，通过权值变化使得网络可以拟合目标分类函数［3-5］。将卷积神经网络算法应用于注塑件表面缺陷图像的识别当中，一方面可实现注塑件的表面缺陷视觉检测识别，另一方面也能克服传统特征工程算法的局限性等问题。

在国内外，卷积神经网络应用于表面缺陷检测的案例也有很多。Lecun等［6］设计的LeNet-5网络结构，成功实现手写数字的识别。……