Wykrywanie defektów tkaniny za pomocą czułego algorytmu segmentacji roślin (SPSA)
Research and development
Autorzy:
DOI number: 10.5604/01.3001.0013.9025
Pełen tekst (ang.) | references | Abstrakt: Wraz z rozwojem zapotrzebowania klientów na rynku mody kontrola jakości tkanin i wykrywanie defektów odgrywa kluczową rolę w przemyśle tekstylnym. W pracy przedstawiono wykrywanie defektów tkanin przy użyciu czułego algorytmu segmentacji roślin (SPSA), który został opracowany na podstawie rośliny o nazwie biologicznej „mimosa pudica”. Ta metoda składa się z dwóch etapów. Pierwszy etap to wzmocnienie kontrastu wadliwego obrazu tkaniny, a drugi etap segmentował defekty tkaniny za pomocą SPSA. Proponowana metoda z użyciem SPSA została opracowana do identyfikacji wadliwych pikseli w niejednorodnych wzorach tkanin. W artykule przedstawiono wyniki SPSA, a także dokonano ich weryfikacji pod kątem korelacji i prawdopodobieństwa błędu. Każdy piksel został sprawdzony za pomocą opracowanego algorytmu, tak aby został zaznaczony piksel wadliwy lub nieuszkodzony. Proponowany algorytm SPSA został przetestowany na różnych typach baz danych defektów tkanin i wykazał niezwykłą wydajność w stosunku do istniejących metod. |
Tagi:
external stimulation, fabric pattern, sensitive behaviour, texture.
Cytowanie:
Fathu Nisha M, Vasuki P, Mohamed Mansoor Roomi S. Fabric Defect Detection Using the Sensitive Plant Segmentation Algorithm. FIBRES & TEXTILES in Eastern Europe 2020; 28, 3(141): 84-88. DOI: 10.5604/01.3001.0013.9025
Opublikowano w numerze nr 3 (141) / 2020, strony 84–88.