بررسی دقت روش ماتریس هم رخداد در استخراج ویژگی تصاویر عیوب ورق های فولادی جهت تشخیص نوع عیب در کلاسه بندی Knn
Publish place: Third National Conference on Electrical and Computer Engineering Distributed Systems and Smart Grids
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 558
This Paper With 6 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:
شناسه ملی سند علمی:
ELECONFK03_029
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
تولید ورقهای با کیفیت فولادی، بهجهت استفاده در سایر صنایع از اهمیت بسیار زیادی برخوردار است. سیستمهای اتوماتیک تشخیص عیوب با استفاده از الگوریتمهای پردازش تصویر، ویژگیهای تصاویر را استخراج کرده و با آموزش به الگوریتمهای کلاسهبندی، نوع عیب را شناسایی میکند. در این مقاله ضمن معرفی عیوب ورقهای فولادی، از ماترس همرخداد، جهت استخراج ویژگیهای تصاویر استفاده شده و در الگوریتم Knn با آموزش و آزمون بر روی 1200 تصویر از شش نوع عیب ورقهای فولادی شامل عیب پوسته، گراف، کثیفیسطح، حفره،ناخالصی و خراش که از کارخانههای بزرگ فولاد مانند شرکت فولاد مبارکه اصفهان تهیه شده است بررسی گردید. از نتایج حاصل از این پژوهش مشخص گردید که استفاده از ماترس همرخداد و آموزش و کلاسهبندی به روش Knn ،دقت میانگین 90 % برای تشخیص عیوب ورقهای فولادی بدست آمد که با آنالیز ماتریس سردرگمی عیب خراش با دقت 62 %و عیوب پوسته و کثیفی سطح با دقت 100 %بهعنوان کمترین و بیشترین دقت شناسایی شد.
Keywords:
Authors
مسعود قرقانی
دانشجوی کارشناسی ارشد مهندسی مکاترونیک اتوماتیک و کنترل تولید گروه مکاترونیک واحد کاشان دانشگاه آزاد اسلامی کاشان ایران
محمود محلوجی
عضو هیات علمی دانشگاه آزاد اسلامی گروه مخابرات واحد کاشان دانشگاه آزاد اسلامی کاشان 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 :