بخش‌بندی سطوح فولادی با هدف تشخیص عیوب با استفاده از روش جدید ترکیب گابوری

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,404

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP05_096

تاریخ نمایه سازی: 29 اردیبهشت 1387

چکیده مقاله:

کنترل کیفیت در صنایع فولادسازی از اهمیت ویژه ای برخوردار است. برای انجام این مهم، استفاده از یک سیستم بازرسی اتوماتیک به جای نیروی انسانی در افزایش دقت، سرعت و کاهش هزینه ها، بخصوص در درازمدت بسیار مؤثر خواهد بود. چنین سیستمی باید بتواند نواحی معیوب در تصاویر سطوح فولادی را با دقت هرچه بالاتر مشخص کند. در این مقاله روشی جدید با نام ترکیب گابوری جهت بخش بندی تصاویر سطوح فولادی و تشخیص عیوب آنها معرفی میگردد. در روش پیشنهادی با ارائه الگوریتمی مبتی بر فیلترهای گابور از تصاویر جزئی بدست آمده از تصویر معیوب، تنها تعداد مشخصی با یکدیگر ترکیب میگردند تا نقشه ویژگی حاصل به شکل مطلوب دربرگیرنده عیوب تصویر باشد. از موارد دیگر مورد تحقیق،بهینه سازی بخش بندی با استفاده از کلاسه بند K-means بوده که با اضافه کردن ویژگی سطح خاکستری به ویژگی های استخراج شده هر پیکسل منجر به افزایش قدرت کلاسه بند شده است. نتایج بدست آمده هم از نظر بصری و هم از لحاظ آماری نشا ن دهنده آن است که هرچند کارایی هر دو روش مطلوب بوده، در این بین، روش ترکیب گابوری نسبت به روش کلاسه بند دارای دقت بالاتری می باشد.

نویسندگان

سیدجلیل الدین آل معصوم

گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی دانشگاه اصفهان

سید امیرحسن منجمی

گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی دانشگاه اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • H. Sari-Sarraf and J. Goddard.، ،Vision system for on-loom fabric ...
  • H. Sari-Sarraf, J.S. Goddard, B.R. Abidi and M.A. Hunt, System ...
  • A. Kumar, and Grantham K. H. Pang, ،IDefect Detection in ...
  • M. Petrou, J. Kitter and K.Y. Song, ،0Automatic Surface Crack ...
  • Efficient Texture Classification Towardsء، A. Monadjemi, and Abnormality Detection, PhD ...
  • M. Mirmehdi, M. Petrou, _ 'Segmentation of color textures, IEEE ...
  • _ Liu and D. Wang, *'Image Segmentation Using Local Spectral ...
  • T. Ojala, M. Pietikainen, and D. Harwood, _ comparative study ...
  • R. Haralick, K. Shanmugam, and I. Dinstein, ،.Textural features for ...
  • D. Clausi and M. Jernigan, ;Designing Gabor filters for optimal ...
  • A.K. Jain and F. Farrokhnia, _ :Uns upervised Texture Segmentation ...
  • th Iranian Conference on Machine Vision and Image Processing, November ...
  • نمایش کامل مراجع