تشخیص عیوب پارچه با پردازش تصویر و یادگیری عمیق

تشخیص خودکار عیوب در سطوح پارچه با استفاده از روش های سنتی پردازش تصویر، به دلیل پیچیدگی بافت و تنوع الگوهای عیوب، با محدودیت های دقت و حساسیت روبرو است. این تحقیق با هدف ارائه راهکاری هوشمند برای ارتقای سیستم های کنترل کیفیت، به بررسی نقش یادگیری عمیق در شناسایی و طبقه بندی خودکار عیوب پارچه می پردازد. در این راستا، با بهره گیری از الگوریتم های پردازش تصویر برای پیش پردازش و استخراج ویژگی، و استفاده از معماری های پیشرفته شبکه های عصبی عمیق، امکان تشخیص دقیق عیوب ساختاری و ظاهری فراهم می گردد. یافته های این پژوهش نشان می دهد که مدل های پیشنهادی می توانند با دقت بالا، انواع عیوب را در محیط های عملیاتی شناسایی کرده و با کاهش وابستگی به بازرسی بصری انسانی، دقت بازرسی را به شکل معناداری بهبود بخشند. نتایج به دست آمده تایید می کند که ادغام هوش مصنوعی در خطوط تولید نساجی، نه تنها منجر به کاهش نرخ ضایعات می شود، بلکه گامی کلیدی در سمت وسوی دیجیتالی سازی و هوشمندسازی صنایع نساجی محسوب می گردد.

کلیدواژه ها:

پردازش تصویر ، یادگیری عمیق ، تشخیص عیوب پارچه ، کنترل کیفیت ، شبکه های عصبی کانولوشنال