Fabric defect inspection based on lattice segmentation and lattice templates

بازرسی خودکار اتوماتیک به علت شکل های غیر قابل پیش بینی از نقص پارچه و کمبود آن در مقایسه با مقدار بسیار زیاد محصولات پارچه ای بدون نقص، یک کار چالش برانگیز است. این مقاله یک روش جدید مبتنی بر تقسیم شبکه و الگوهای شبکه ارائه می دهد که به طور خودکار نقایص تصاویر پارچه را شناسایی می کند. با روش پیشنهادی، یک تصویر پارچه به گونهای تقسیم می شود و به این ترتیب حکم قرار دادن پایه های بافت طبقه بندی شده به کلاس های بافت متمایز می دهد. هر کلاس بافتی توسط چندین الگو که از نمونه های بدون نقص بر اساس بعضی معیارهای پیشینی بر اساس بازده بازرسی تعیین شده اند، مدل می شود. برای یک شبکه از یک تصویر داده شده، شبیه ترین الگو از طریق فرایند تطبیق الگو شناسایی می شود که جبران تغییرات محلی در اطراف شبکه و فاصله بین شبکه و الگو شناسایی بر اساس معیارهای انتخاب شده برآورد شده است. مخازن فواصل بیش از محدوده فاصله آماری معیوب هستند. عملکرد روش پیشنهادی براساس دو پایگاه داده ارزیابی می شود که به ترتیب ارزیابی سطح پیکسل و سطح تصویر است. برای هر دو پایگاه داده، منحنی های مشخصه عامل گیرنده ترسیم می شوند و مناطق متوسط ​​زیر منحنی ها به ترتیب 0.86 و 0.95 برای پایگاه داده های سطح پیکسل و سطح تصویر هستند. روش پیشنهادی در نسخه های تاریک و پر سر و صدا از پایگاه داده سطح پیکسل مورد آزمایش قرار گرفته و سطح ناحیه آن به طور متوسط ​​0.81 است. روش پیشنهادی از طریق مقایسه مقادیر متفاوتی از روش های پیشرفته تر بهره می برد.