• 发表日期 / 收到日期：2020 年 11 月 17 日 • 修改发表日期 / 收到修订版：2021 年 2 月 9 日 • 喀布尔日期 / 接受日期：2021 年 3 月 15 日 摘要 如今，建立具有可靠精度的质量控制系统对于生产零缺陷的工业产品非常重要。在这方面，相机控制系统采用可靠的控制算法是一个至关重要的问题。在本研究中，开发了一种使用模式匹配算法的实时控制算法，以使用人工神经网络 (ANN) 优化最小对比度参数。在本研究中，使用 LabVIEW 图像控制工具对模式匹配中包含的三种算法在时间方面的比较进行了比较。此外，还讨论了低差异采样算法中最关键的参数之一，它能及时给出良好的结果，即最小对比度参数。该参数的优化是通过使用ANN中的Levenberg-Marquardt训练算法来完成的。获得的结果表明，所提出的使用 ANN 优化最小对比度参数的模式匹配算法对于质量控制应用来说是快速且有效的。关键词：人工神经网络、模式匹配、金字塔匹配然后，控制系统中的控制算法即可完成。但是，该算法是控制算法的最佳选择，可以通过最小对比度参数 (YSA) 来优化该算法。使用 LabVIEW 的算法来控制 LabVIEW 的控制。Ayrıca, zaman açısından iyi sonuçlar veren düşük-tutarsızlık örnekleme algoritmasında enönemli parametrelerden biri olan minicontrast parametresi tarışılmıştır.参数优化 YSA'da Levenberg-Marquardt eğitim algoritması kullanılarak yapılmıştır。Kullanılan yöntem sayesinde, desen eşleştirmesinin hızlı ve etkili olduğu görülmüştür。Anahtar kelimeler : Yapay sinir ağı, Desen eşleştirme, Piramit eşleştirme