بررسی دقت روش ماتریس هم رخداد در استخراج ویژگی تصاویر عیوب ورق های فولادی جهت تشخیص نوع عیب در کلاسه بندی Knn

تولید ورقهای با کیفیت فولادی، بهجهت استفاده در سایر صنایع از اهمیت بسیار زیادی برخوردار است. سیستمهای اتوماتیک تشخیص عیوب با استفاده از الگوریتمهای پردازش تصویر، ویژگیهای تصاویر را استخراج کرده و با آموزش به الگوریتمهای کلاسهبندی، نوع عیب را شناسایی میکند. در این مقاله ضمن معرفی عیوب ورقهای فولادی، از ماترس همرخداد، جهت استخراج ویژگیهای تصاویر استفاده شده و در الگوریتم Knn با آموزش و آزمون بر روی 1200 تصویر از شش نوع عیب ورقهای فولادی شامل عیب پوسته، گراف، کثیفیسطح، حفره،ناخالصی و خراش که از کارخانههای بزرگ فولاد مانند شرکت فولاد مبارکه اصفهان تهیه شده است بررسی گردید. از نتایج حاصل از این پژوهش مشخص گردید که استفاده از ماترس همرخداد و آموزش و کلاسهبندی به روش Knn ،دقت میانگین 90 % برای تشخیص عیوب ورقهای فولادی بدست آمد که با آنالیز ماتریس سردرگمی عیب خراش با دقت 62 %و عیوب پوسته و کثیفی سطح با دقت 100 %بهعنوان کمترین و بیشترین دقت شناسایی شد.

کلیدواژه ها:

پردازش تصویر ، تشخیص عیوب ، ورق فولادی ، ماتریس همرخداد ، کلاسهبندی Knn ، Neighbor Nearest-K