زهرا خدادادی - دانشجوی دکتری مهندسی صنایع ، دانشگاه یزد
محمد صالح اولیاء - استاد، دانشگاه یزد
امیرحسین امیری - استاد، دانشگاه شاهد

امروزه سیستم های بینایی ماشین، بهره وری و کنترل کیفیت فرآیندهای تولید و خدماتی را بهبود بخشیده و باعث مزیت رقابتی برای صنایعی که از این فناوری استفاده می کنند، شده اند. تصاویر از جهات مختلف حاوی اطلاعات مهمی بوده و این اطلاعات می توانند توسط پردازش تصویر بدست آیند. استخراج اطلاعات از تصاویر می تواند به پایش آنلاین کیفیت در فرآیندهای تولیدی، اصلاح و پیشگیری از خطا کمک کند. بررسی تک تک پیکسل ها در تصویر کار سخت و زمانبری است، جهت حل این مسئله می توان تصویر را به منطقه مورد نظر (ROI) که مجموع چند پیکسل هستند، تقسیم بندی و به استخراج اطلاعات لازم پرداخت. در این پژوهش از دو الگوریتم فراابتکاری ژنتیک و بهینه سازی ازدحام ذرات، که ساختار جواب تصادفی آن ها بر اساس یک روش پیشنهادی ابتکاری است، استفاده شده است. الگوریتم های فراابتکاری با توجه به ساختار ابتکاری جواب ها، ناحیه هایی را در تصاویر انتخاب و بعد از تعیین میانگین شدت پیکسل های هر ناحیه در کل تصاویر، آماره نسبت درستنمایی لگاریتمی را محاسبه می کنند. با این اقدام، در مقابل جستجوی همه ROI های موجود در تصویر، تعداد کمتری از آنها را جستجو و با سرعت بیشتر به شناسایی مکان بالقوه خطا پرداخته ایم . برای بررسی کارایی دو الگوریتم در تشخیص منطقه خطا از یک تصویر واقعی کاشی استفاده و بعد از انجام تجزیه و تحلیل لازم، برتری الگوریتم ژنتیک با کیفیت جواب بهتر و زمان حل کمتر، مشخص گردید.

سیستمهای بینایی ماشین، کنترل کیفیت، پردازش تصویر، تشخیص خطا، الگوریتم ژنتیک((GA، الگوریتم بهینه سازی اذحام ذرات((PSO ، مناطق مورد نظر .(ROI)