تشخیص اتوماتیک عیب های موجود روی کاشی با استفاده از پردازش تصاویر دیجیتال

پایان نامه
چکیده

ابتدا بر روی یک پایگاه داده مناسب مراحل پیش پردازش جهت یکسان کردن شدت نور و شدت رنگ و کنتراست و حذف نویز کلیه تصاویر صورت می پذیرد. مرحله ی بعد بخش بندی اجزای مختلف تصویر می باشد. در این مرحله قسمت های مشکوک به شکاف، ترک، خال و غیره شناسایی و از تصویر اصلی جدا می شوند. با توجه به اینکه از نظر فیزیکی نوع بافت ترک و شکاف و به طور کلی عیب از خود کاشی متمایز است می توان آنرا جدا نمود. برای این کار الگوریتم های مختلفی وجود دارد روش هایی چون آستانه گذاری، آستانه گذاری تطبیقی و غیره. در این تحقیق از روش gradient vector flow (gvf) که یک روش بسیار مناسب در بخش بندی تصاویر می باشد استفاده می شود. علت انتخاب این روش نتایج مناسب آن در دیگر تصاویر و همچنین عدم استفاده از آن (بنابر جستجوهای انجام گرفته) در بخش بندی تصاویر مربوط به تشخیص اتوماتیک عیب در خط تولید کاشی بوده است. پس از بخش بندی تصویر، به استخراج ویژگی های مناسب از قسمت بخش بندی شده پرداخته می شود. برای این کار ما دو دسته ویژگی از تصویر را استخراج میکنیم که عبارتند از: 1. ویژگی های مربوط به رنگ 2. ویژگی های مربوط به شکل برای هرکدام از عبارات ذکر شده تعداد زیادی ویژگی استخراج می شود. برخی از ویژگی های مربوط به این خانواده ها عبارتند از؛ 1. برای رنگ: ماکزیمم، مینیمم، میانگین و میانه ی (مولفه های آماری مربوط به آمارگان تصویر) مولفه های قرمز، آبی و سبز 2. برای شکل: شاخص مستطیلی، شاخص مربعی، شاخص دایروی و ضریب گریز از مرکز چون تعداد ویژگی های انتخابی معمولا بسیار زیاد است در مرحله ی کاهش ویژگی تعداد آنها کاهش داده می شود. بدین ترتیب ویژگی های موثر که در تشخیص و طبقه بندی تاثیر بیشتری دارند، انتخاب می شوند. برای این کار نیز روش های مختلفی وجود دارد که بنابه کاربرد و در حین انجام تحقیق روش مناسب جهت کاهش ویژگی انتخاب می شود. مرحله ی آخر انجام پایان نامه مرحله ی تشخیص و طبقه بندی می باشد. در این مرحله با توجه به خروجی های مراحل قبل الگوریتم، وجود عیب مانند خال و غیره بر روی تصویر کاشی تشخیص داده می شود و می توان عیوب مختلف را طبقه بندی نمود. طبقه بندهای مختلفی برای انجام این مرحله از تحقیق وجود دارد که در این جا از طبقه بند شبکه ی عصبی استفاده می شود.

منابع مشابه

تحلیل تجربی تنش با پردازش تصاویر دیجیتال

امروزه تحلیل تجربی تنش مورد توجه بسیاری از پژوهشگران رشته‌های فنی و مهندسی، به‌ویژه مهندسی مکانیک قرار گرفته است. به‌دلیل وجود ساده‌نگری در خواص مواد، هندسه و بارگذاری در تحلیل‌های نظری و از طرف دیگر پیچیدگی هندسة قطعات و شرایط بارگذاری واقعی، نیاز به داشتن اطلاعات صحیح‌تر از توزیع تنش در قطعات بارگذاری همواره وجود دارد. طی دو دهة گذشته، پیشرفت‌های چشمگیری در دنیای رایانه و انفورماتیک صورت پذیر...

متن کامل

تخمین وزن‏ بره‏ های نوزاد با استفاده از پردازش تصاویر دیجیتال

این پژوهش به منظور ارائه روشی برای تخمین وزن بره‏های گوسفند زندی با استفاده از پردازش تصاویر دیجیتال انجام شد. اطلاعات مورد استفاده در این پژوهش از ‏115 راس بره در مرکز پرورش گوسفند زندی تهران(خجیر) بدست آمد. در ابتدا بره های نوزاد با ترازو وزن کشی شده و سپس با استفاده از دوربین دیجیتال، عکس‏های متعددی از نمای جانبی بره‏ها و از فاصله ثابت ثبت شد. با استفاده از ابزارهای پردازش تصویر نرم افزار Ma...

متن کامل

شناسایی اتوماتیک ندول های ریوی با استفاده از پردازش دیجیتال تصاویر سی تی ریه

سرطان ریه از مرگبارترین سرطان ها می باشد. یکی از نشانه های بروز سرطان های ریه، ندول های ریوی می باشند که می توانند به صورت مجزا یا متصل به دیواره ی ریه ظاهر گردند. ندول یک توده ی اضافی است که در داخل ریه تولید می شود. سرطان ریه در مراحل اولیه هیچ گونه علائمی در تصاویر سی تی اسکن ندارد و زمانی علائم آن ظاهر می شود که بیماری در مراحل پیشرفته تری قرار گرفته باشد و این به دلیل وجود تباین پایین، اند...

15 صفحه اول

تحلیل تجربی تنش با پردازش تصاویر دیجیتال

امروزه تحلیل تجربی تنش مورد توجه بسیاری از پژوهشگران رشته های فنی و مهندسی، به ویژه مهندسی مکانیک قرار گرفته است. به دلیل وجود ساده نگری در خواص مواد، هندسه و بارگذاری در تحلیل های نظری و از طرف دیگر پیچیدگی هندسه قطعات و شرایط بارگذاری واقعی، نیاز به داشتن اطلاعات صحیح تر از توزیع تنش در قطعات بارگذاری همواره وجود دارد. طی دو دهه گذشته، پیشرفت های چشمگیری در دنیای رایانه و انفورماتیک صورت پذیر...

متن کامل

تشخیص اتوماتیک بیمارهای شبکیه چشم با استفاده از مدل های ریاضیاتی پردازش تصویر، مبتنی بر یادگیری دیکشنری چند لایه

هدف از این مطالعه بهبود عملکرد طبقه بندی روش های نوین، با استفاده از مدلی چند لایه به منظور کمک به تشخیص بیماری‌های شبکیه ی چشم است. این مدل از الگوریتم K-SVD پیشرفته، برای یادگیری ماتریس دیکشنری و الگو های پایه استفاده می کند تا بتواند با الگوپذیری از معماری چند لایه، ویژگی های بهتری را در تصاویر OCT شبکیه بیاموزد. همچنین در این معماری، علاوه بر استفاده از برچسب های کلاس داده های آموزشی، اطلاع...

متن کامل

منابع 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

دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد یزد - دانشکده مهندسی برق و الکترونیک

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023