پردازش تصاویر عیوب ورق های فولادی جهت تشخیص نوع عیب با استفاده از روشhog در الگوریتمk-nearestneighbor
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 486
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELECONFK03_048
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
کیفیت در محصولات تولیدی یک مقوله مهم در راستای بقای صنعت میباشد و امروزه تولید ورقهای فولادی با کیفیت به جهت نیاز سایر صنایع یک امر اجتناب ناپذیر است. لذا بازرسی از سطح ورقهای فولادی و تشخیص نوع عیوب موجود جهت تحلیل راهکارهای علل خرابی؛ فرآیند تولید با کیفیت را بهبود میبخشد. لذا برای تحقق این مهم استفاده از بینایی ماشین میتواند کمک بسیار خوبی برای تشخیص نوع عیب از میان عیوب موجود را ایفا نماید. در این مقاله ضمن توضیح مختصر فرآیند نورد و عیوب موجود؛ روش HOG جهت استخراج ویژگیهای تصویر توضیح داده شده و پس از استخراج ویژگیها با این روش؛ به کمک الگوریتم Knn ،1200 تصویر از شش نوع عیب (پوسته، گراف، کثیفی سطح،حفره، ناخالصی و خراش)؛ پس از آموزش الگوریتم، کلاسهبندی شده است و از نتایج این پژوهش میانگین دقت تشخیص 79 درصد تحقق پیدا کرد و ترکیب این دو روش عیب پوسته و کثیفی را با دقت خیلی خوب (100 درصد) و عیب گراف با کمترین دقت قابل تشخیص بود.
کلیدواژه ها:
پردازش تصویر ، تشخیص خرابی ، عیوب ورق فولادی ، کلاسهبندی Knn ، features) HOG (Gradients Oriented of Histograms Extract
نویسندگان
مسعود قرقانی
دانشجوی کارشناسی ارشد مهندسی مکاترونیک اتوماتیک و کنترل تولید گروه مکاترونیک واحد کاشان دانشگاه آزاد اسلامی کاشان ایران
محمود محلوجی
عضوهییت علمی دانشگاه آزاد اسلامی گروه مخابرات واحد کاشان دانشگاه آزاد اسلامی کاشان ایران
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 :