کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7123921 1461500 2016 19 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A machine-vision inspection system for conveying attitudes of columnar objects in packing processes
ترجمه فارسی عنوان
یک سیستم بازرسی از ماشین برای انتقال نگرش اشیاء ستون در فرایندهای بسته بندی
کلمات کلیدی
سیستم بازرسی در زمان واقعی، بینایی ماشین، انتقال نگرش شی ستونی، منطق فازی، جنگل های تصادفی،
ترجمه چکیده
این مقاله یک مطالعه جدید در زمینه توسعه یک سیستم بینایی ماشین برای بازرسی نگرش های انتقال اشیاء ستون است. سیستم ارائه شده شامل پیش پردازش تصویر، استخراج ویژگی ها و تشخیص نگرش است. اول از همه، برای جداسازی اشیا از پس زمینه (یعنی قبل از پردازش تصویر)، یک روش حداکثر واریانس بین کلاس برای جستجوی یک پیک هیستوگرام و محاسبه یک مقدار آستانه بر اساس آمار و احتمال برای حل مشکلات ناشی از روشنایی غیر یکنواخت در یک نوار نقاله واقع بینانه. سپس، یک عمل باز مورفولوژیکی برای از بین بردن نویز از تصاویر باینری تولید شده در مرحله قبل از پردازش استفاده می شود. در مرحله دوم (استخراج ویژگی)، ویژگی های اشیاء ستون توسط چهار روش، روش تشخیص خطوط لبه، روش رهگیری، روش مکان یابی مستطیل و روش آماری ویژگی تعیین می شود. در نهایت، تشخیص برای نگرش های انتقال اشیاء ستون بر اساس طبقه بندی ترکیبی با استفاده از جنگل های تصادفی و منطق فازی است. سیستم پیشنهادی به یک فرآیند واقع بینانه برای بسته بندی مواد منفجره صنعتی اعمال می شود. نتایج آزمایش ها نشان می دهد که سیستم پیشنهادی اجازه بازرسی 100٪ کارا و دقیق برای نگرش انتقال را می دهد که سرعت و کار پایدار یک خط بسته را تضمین می کند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
پیش نمایش مقاله
یک سیستم بازرسی از ماشین برای انتقال نگرش اشیاء ستون در فرایندهای بسته بندی
چکیده انگلیسی
This paper is a new study on developing a machine vision system for inspecting the conveying attitudes of columnar objects. The presented system consists of image pre-processing, feature extraction, and attitude diagnosis. First of all, in order to segment the objects from the background (namely image pre-processing), an improved maximum between-class variance method is proposed for searching a histogram peak and calculating a threshold value based on the statistics and probability, to solve the problems caused by the non-uniform brightness in a realistic conveyor belt. Then, an open morphological operation is used to eliminate the noise from the binary images produced in the pre-processing step. In the second step (feature extraction), the features of columnar objects are determined by four methods, edge line detecting method, intercepting method, rectangle locating method and feature statistic method. Finally, the diagnosis for the conveying attitudes of columnar objects is based on a hybrid classifier using random forests, and a fuzzy logic. The proposed system is applied to a realistic process for packing industrial explosives. The results of experiments show that the proposed system allows efficient and accurate 100% inspection for the conveying attitude, which ensures the high speed and steady operation of a packing line.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Measurement - Volume 87, June 2016, Pages 255-273
نویسندگان
, , , ,