روش های شناسایی عیوب فرش توسط الگوریتم های پردازش تصویر و شبکه های عصبی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه یزد
- نویسنده مهدی صادقی کبودیان
- استاد راهنما سید محمد تقی المدرسی اسفندیار اختیاری
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
امروزه با هدف بالابردن راندمان خطوط تولید محصولات، از سیستمهای بازبینی خودکار بهره گرفته می شود. بازبینی و شناسایی محصولات یکی از بخش های مهم این سیستم می باشد که کیفیت تولید محصولات را با هدف کاهش هزینه و افزایش سرعت تولید تضمین می کند. با توجه به گسترش صنعت فرش ماشینی در ایران و افزایش تولید و تنوع محصولات آن، نیاز به سیستمی خودکار جهت شناسایی عیوب فرش بسیار ضروری به نظر می رسد. در این تحقیق یک سامانه خودکار شناسایی عیوب برای فرش ارائه می شود. برای تشخیص عیوب فرش ، از اطلاعات رنگ استخراج شده فرش بر اساس فضای رنگی cielab استفاده شده است. چهار عیب عمده فرش که در این پژوهش مد نظر بوده اند، عبارتند از: حلقه شدن نخ خاب در پشت فرش- بافت رفتن پود کلفت- پرز پشت فرش- خالی بافی طولی نخ خاب. برای شناسایی این عیوب دو روش پیشنهاد شده است: 1- روش بهینه شده مبتنی بر تصمیم گیری محلی در فضای cielab، 2- تلفیق تصاویر شاخص دار با روش قبل. از تصاویر شاخص دار به منظور کاهش حجم محاسبات استفاده شده است. نتایج بدست آمده نشان می دهد که کارایی الگوریتم استفاده از تصاویر شاخص دار در مقایسه با روش اول از نظر زمان پردازش و دقت شناسایی بهبود قابل توجهی یافته است. زمان پردازش بین 10 تا 50 درصد کاهش یافته است و دقت شناسایی در حدود 2 تا 5 درصد بهبود یافته است.
منابع مشابه
شناسایی خسارت در سازه با استفاده از پردازش سیگنال و شبکه های عصبی مصنوعی
در طول دو دهه اخیر بحث شناسایی خرابی و پایش سلامت سازه ها با هدف کاهش هزینه نگهداری و بهبود ایمنی و قابلیت اطمینان سازه مورد توجه قرار گرفته است. پس از وقوع زلزله با توجه به وضعیت بحرانی موجود و تعداد زیاد سازه های بلند مرتبه امکان مراجعه حضوری به تک تک سازه ها وجود ندارد. این موضوع اهمیت توسعه روش هایی که بتوانند تنها با استفاده از سیگنال های پاسخ ثبت شده در مدت زمان زلزله، خسارت ایجاد شده در ...
متن کاملمهندسی شبکه های عصبی توسط اتوماتانهای یادگیر: تعیین اندازه مطلوب برای شبکه های عصبی سه لایه
هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چند لایه، یافتن ساختار مناسب(نزدیک به بهینه) برای حل مسئله می باشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مسئله خاص هنوز شناخته شده نیست. در روشهای کلاسیک،طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش می...
متن کاملتشخیص آفت سوسک چهار نقطهای نخود توسط پردازش تصویر و شبکه عصبی مصنوعی
تشخیص آفت سوسک چهار نقطهای نخود توسط پردازش تصویر و شبکه عصبی مصنوعی سامان ساجدیان1* چکیده: نظر به اهمیت تشخیص مکانیزه آفات گیاهان، در این پژوهش تشخیص آفت نخود توسط تکنیک پردازش تصویر با بهرهگیری از شبکههای عصبی مصنوعی شبیهسازی شده است. بدین منظور تعدادی تصویر در ابعاد 27×18پیکسل از نخودهای سالم و آسیب دیده بعنوان تصاویر آموزش تهیه شده و پس از استخراج ویژگی آنها توسط موجک گابور، بعنوان داد...
متن کاملمدلسازی لوله های انتقال گاز با شبکه های عصبی مصنوعی به منظور تشخیص عیوب آنها
این مقاله معرفی رویکرد جدید برای عیب یابی خطوط لوله انتقال گاز با استفاده از شبکه عصبی مصنوعی به کمک امواج مکانیکی است که این روش بسیار ارزان تر و آسان تر از روش اولتراسوند است. که در حال حاضر مشغول به کارمی باشد. این خطوط معمولا در شرایط محیطی سخت و دور از دسترس و در مسافت های طولانی قرار دارند و استفاده از سیستم های که بصورت آنی و دقیق بتوانند عیب ها و نشتی های این لوله را گزارش دهند حیاتی ...
متن کاملشناسایی ارتعاشات سامانه های دورانی با استفاده از روش پردازش تصویر
در این مقاله روشی نوین جهت بررسی ارتعاشات عرضی یک سامانه ارتعاشی با استفاده از روش پردازش تصویر ارائه شده است. روشهای اپتیکی مانند تکنیک انحراف سنجی، تکنیک ماره، هولوگرافی دیجیتال و… از روشهای متداول در این راستا میباشند. در این مقاله از روش انحرافسنجی برای مطالعه ارتعاشات دیسک چرخان استفاده شده است. با تصویر برداری از دیسک چرخان، تصاویر مربوط به آن استخراج میشود. با بررسی قاب به ق...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه یزد
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023