基于神经网络的图像边缘检测方案说明

为什么要提高图像边缘检测的精度？

图像识别已经应用于生产生活各个领域，如在人脸识别领域，提高图像检测的精度能够极大的提高个人财产安全性；在利用陆地卫星所获取的图像进行资源调查领域，能够对重要资源的分布更为明确；在机器人视觉领域，通过图像边缘检测技术提高机器人视觉的精度等。

随着科技的发展，人们将神经网络加载进入图像检测中，但现有的神经网络还存在不少缺陷。

1.检测时间较长：ChouY等提出了一种改进的基于CNN的神经网络用来进行边缘检测的方法,该方法实现了精确的边缘检测,但基于CNN的边缘检测方法依赖于分类网络,而分类方法很慢,所以导致检测时间较长。

2.精度较低：WangW等提出了基于细胞神经网络(CNN)和分布式遗传算法(DGA)相结合的边缘检测算法,CNN模板使用分布式遗传算法训练网络，由于编码染色体和评价函数选择的困难,将会导致对部分图像的检测效果不是很好,且寻求最优解的过程所需时间过长。

真尚有解决方案介绍

真尚有的无人机自主控制方案，通过将GPN径向神经网络应用与工业工程上，在许多零件的疵病检查方面，常常需要对零件在受力破坏试验后对其剖面图像进行分析以进行力学分析，分析其断裂纹路，从而对该零件在实际使用中可能存在的失效模式进行分析。

fqj