تشخیص و آشکارسازی عیوب ظاهری بافت با کمک تبدیل کانتورلتو شبکه عصبی MLP

فرآیند کنترل کیفیت برای اطمینان از ارائه محصولات سالم و باکیفیت مناسب طراحی شده است. بخشهایی از فرآیند کنترل کیفیت که نیازمند بازدیدهای بصری کالا است تا سالهای اخیر توسط انسان انجام میگرفته است. هماکنون فعالیتهای این بخش به سوی ماشینی شدن گرایش پیدا کرده است. هدف از بازرسی سطوح، تشخیص و آشکارسازی بخشهایی از سطوح محصولات و کالاهای صنعتی است که مطابق با معیارهای مشخصی، کیفیت ایده آل ندارند. در حال حاضر این فرآیند برای شناسایی عیوب دسته عظیمی از سطوح مانند کاشیهای سرامیکی، پارچه، چوب، کاغذ، چرم و... به کار میرود. آشکارسازی عیوب سطوح از طریق روشهای تحلیل بافت که توصیفکننده ویژگی سطوح هستند، امکانپذیر است. برای این منظور تبدیل کانتورلت را جهت آنالیز تصاویر کاشی بکار بردهایم، کانتورلت یک تبدیل دو بعدی جهتدار است که برای توصیف منحنیها و جزئیات ظریف در تصاویر به کار میرود. بسط کانتورلت از توابع پایهای که در جهات مختلف با اشکال و مقیاسهای مختلف گرایش دارند (ناهمسانگرد) تشکیل شده است. و در ادامه از شبکه عصبی برای آموزش دادهها و یافتن کاشیهای معیوب استفاده کردهایم. نتایج حاصل بسیار مطلوب با تشخیص عیب بالای 96.87 % است که در مقایسه با کارهای صورت گرفته برتری قابلتوجهی دارد .

کلیدواژه ها:

پردازش تصویر ، عیبیابی سطحی ، تبدیلکانتورلت ، پردازش تصویر و شبکه عصبی