تشخیص و طبقهبندی عیوب لاستیک خوردرو با استفاده از الگوریتمهایپردازش تصویر

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 455

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CRPI01_021

تاریخ نمایه سازی: 5 اردیبهشت 1396

Abstract:

با توجه به پیشرفت صنعت در دهههای اخیر در واحد کنترل کیفی و با روی کار آمادن ابزارات دقیق مهندسی برای سنجش کیفیت محصول در واحد کنترل کیفی از روشهای گوناگونی استفاده میشود. بررسی و سنجش کیفیت لاستیک خودرو در هنگام تولید از اهمیت و ضرورق خاصی برخوردار میباشد، زیرا مهمترین قطعه در حفظ ایمنی خودروهاست .روند رایج برای سنجش کیفیت لاستیک تولید شده در صنعت لاستیک سازی ایران تست دینامیکی میباشد این تست بسیار مفید و کارآمد است اما روشهای کارآمدتر و بهینه تری وجود دارد که اغلب مبتنی بارروش های پردازش تصویر هستند، برای استفاده از این روشها باید تصویر خام از لاستیک تولید شده جهت ارایه راهکار مناسب بدست آورد،بنابراین میتوان از ماژولهای مختلفی برای بدست آوردن تصویر خام استفاده کرد: به طور مثال پرتو X یا پرتو نورهای مریی یا مادون قرمز، اما با توجه به اینکه پرتو نور مریی و مادون قرمز دیدی معادل دید انسان را به دستگاه میدهند تنها در حوزه کاهش نیروی انسانی میتوان گام برداشت، پس برای گام فراتر، دید فراتری نیاز است. در این مقاله الگوریتمیکارآمد جهت تشخیص لاستیک نخ زده اراره شده است. در این الگوریتم ابتدا تصاویر توسط پرتو X گرفته شده و توسط الگوریتم پردازش تصویر کنی و روش مورفولوژی تصاویر پردازش و ارزیابی میشود. این الگوریتم برای نخستین بار و بر اساس نوع مسیله طراحی شده است و به همین دلیل نسبت به روشهای کلی دیگر پاسخ مطلوب تری به مسیله تشخیصزدگی لاستیک می دهد.

Authors

علی کلانتری

گروه مهندسی برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

ناصر پرهیزگار

گروه مهندسی برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • آگونالز آر.1391. پردازش دیجیتالی تصاویر. مترجم لطفی-زاد م، عمویی م، ...
  • Azzopardi G. Petkov N. 2012. A CORF computational model of ...
  • Kazem. H. 2015.Tire. Available from: _ _ _ tires. ...
  • http://www. icnc. ir/index. aspx?pid=2 8 9 &metadataId= 80f6546 -b249-49c6-8 660-4 ...
  • Sun. D.W. 2000. Inspecting pizza topping percentage and distribution by ...
  • Canny J. F. 1986. A Computational Approach to Edge Detection. ...
  • Sahota P. Daemi M. F and Elliman D G. 1994. ...
  • Barzohar M and Cooper D. B. 2002. Automatic Finding of ...
  • Bohlool M. Mmeybodi M.R .2003. Edge detection in images using ...
  • Ahmad M.B. Choi T.S. August 1999. Local Threshold and Boolean ...
  • Sobel I. E. 1970. Camera Models and Machine Perception. PhD ...
  • Lipkin B. S. Rosenfeld A. and Prewitt J 1970. Object ...
  • Roberts L. G 1965. Machine Perception of Three Dimensional Solids ...
  • John Canny. 1986. .A Computational Approach to Edge Detection. IEEE ...
  • Shen J. Castan S. 1992. An optimal linear operator for ...
  • Rakesh R. Chaudhuri P and Murthy C.A. 2004. Thresholding in ...
  • Zhou D. _ Pan Q and Zhang H. C. Apr. ...
  • Bezdek J.C and Kerr D. 1994. Training edge detecting fizzy ...
  • نمایش کامل مراجع