Wykrywanie defektów tkaniny i ich klasyfikacja poprzez zastosowanie maszyny uczącej się (ADE-RELM)
Research and development
Autorzy:
- Zhou Zhiyu
School of Information Science and Technology, Zhejiang Sci-Tech University (ZSTU), Hangzhou, P. R. China - Wang Chao (j/w)
- Gao Xu (j/w)
- Zhu Zefei
College of Mechanical Engineering and Automation, Zhejiang Sci-Tech University (ZSTU), Hangzhou, P. R. China - Hu Xudong
The Research Centre of Modern Textile Machinery Technology, Ministry of Education, Zhejiang Sci-Tech University (ZSTU), Hangzhou, P. R. China - Zheng Xiao
School of Computer Science, Anhui University of Technology, Maanshan, P. R. China - Jiang Likai
School of Information Science and Technology, Zhejiang Sci-Tech University (ZSTU), Hangzhou, P. R. China
DOI number: 10.5604/01.3001.0012.7510
 Pełen tekst (ang.) | references | Abstrakt: W celu opracowania automatycznego modelu wykrywania i klasyfikowania defektów tkanin, zaproponowano nowatorską technikę wykrywania i klasyfikowania opartą na zastosowaniu maszyny uczącej się (ADE-RELM). Proponowana metoda ma na celu wykrywanie powszechnych defektów, takich jak przerwana osnowa i wątek oraz zabrudzenia po oleju. Wyniki eksperymentalne pokazują, że w porównaniu z tradycyjną metodą filtrów Gabora, operacją morfologiczną i lokalnym wzorcem binarnym, proponowana w artykule metoda pozwala na precyzyjne zlokalizowanie defektów i osiąga wysoką skuteczność ich wykrywania. |
Tagi:
defect detection, multi-scale dictionary learning, regularisation extreme learning machine, adaptive differential evolution.
Cytowanie:
Zhou Z, Wang C, Gao X, Zhu Z, Hu X, Zheng X, Jiang L. Fabric Defect Detection and Classifier via Multi-Scale Dictionary Learning and an Adaptive Differential Evolution Optimized Regularization Extreme Learning Machine. FIBRES & TEXTILES in Eastern Europe 2019; 27, 1(133): 67-77. DOI: 10.5604/01.3001.0012.7510