کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5004795 1368994 2014 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Surface defect detection in tiling Industries using digital image processing methods: Analysis and evaluation
ترجمه فارسی عنوان
تشخیص نقص سطح در صنایع کاشی با استفاده از روش های پردازش تصویر دیجیتال: تجزیه و تحلیل و ارزیابی
کلمات کلیدی
نقص سطحی، کاشی کاری، تشخیص الگو،
ترجمه چکیده
صنایع سرامیک و کاشی باید به طور ضروری شامل یک مرحله ارزیابی برای اندازه گیری کیفیت محصولات باشند. در واقع، سیستم های کنترل انسانی اغلب برای مقاصد درجه بندی استفاده می شود. یک سیستم درجه بندی اتوماتیک برای افزایش کنترل کیفیت و بازاریابی محصولات ضروری است. از آنجا که معمولا شش نوع نقص از مراحل مختلف خطوط تولید کاشی با بافت و مورفولوژی متمایز وجود دارد، بسیاری از تکنیک های پردازش تصویر برای تشخیص نقص پیشنهاد شده است. در این مقاله، یک نظرسنجی در مورد الگوریتم های تشخیص الگو و پردازش تصویر ساخته شده است که برای شناسایی نقص های سطح استفاده شده اند. به نظر می رسد هر روش برای تشخیص بعضی زیر گروه از نقص ها محدود است. تکنیک های تشخیص ممکن است به سه گروه اصلی تقسیم شوند: تشخیص الگو، استخراج ویژگی بردار و طبقه بندی بافت / تصویر. روش هایی مانند تبدیل ویولت، فیلتر کردن، مورفولوژی و تبدیل کانتور برای کارهای قبل از پردازش بیشتر موثر هستند. دیگران از جمله روش های آماری، شبکه های عصبی و الگوریتم های مبتنی بر مدل می توانند برای استخراج نقایص سطح استفاده شوند. اگر چه روش های آماری اغلب برای شناسایی نقص های بزرگ مثل نقاط مناسب هستند، اما تکنیک هایی مانند پردازش موجک یک پاسخ قابل قبول برای تشخیص نقص های کوچک مانند پینوئل را فراهم می کند. در این مقاله بر اساس الگوریتم های موجود در هر زیر گروه، یک نظرسنجی کامل انجام شده است. همچنین پارامترهای ارزیابی شامل پارامترهای تحت نظارت و بدون نظارت مورد بحث قرار می گیرند. با استفاده از پارامترهای مختلف عملکرد، الگوریتم های تشخیص نقص های مختلف مقایسه و ارزیابی می شوند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
پیش نمایش مقاله
تشخیص نقص سطح در صنایع کاشی با استفاده از روش های پردازش تصویر دیجیتال: تجزیه و تحلیل و ارزیابی
چکیده انگلیسی
Ceramic and tile industries should indispensably include a grading stage to quantify the quality of products. Actually, human control systems are often used for grading purposes. An automatic grading system is essential to enhance the quality control and marketing of the products. Since there generally exist six different types of defects originating from various stages of tile manufacturing lines with distinct textures and morphologies, many image processing techniques have been proposed for defect detection. In this paper, a survey has been made on the pattern recognition and image processing algorithms which have been used to detect surface defects. Each method appears to be limited for detecting some subgroup of defects. The detection techniques may be divided into three main groups: statistical pattern recognition, feature vector extraction and texture/image classification. The methods such as wavelet transform, filtering, morphology and contourlet transform are more effective for pre-processing tasks. Others including statistical methods, neural networks and model-based algorithms can be applied to extract the surface defects. Although, statistical methods are often appropriate for identification of large defects such as Spots, but techniques such as wavelet processing provide an acceptable response for detection of small defects such as Pinhole. A thorough survey is made in this paper on the existing algorithms in each subgroup. Also, the evaluation parameters are discussed including supervised and unsupervised parameters. Using various performance parameters, different defect detection algorithms are compared and evaluated.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: ISA Transactions - Volume 53, Issue 3, May 2014, Pages 834-844
نویسندگان
, ,