Nowa metoda detekcji defektów tekstury w automatycznej inspekcji wizyjnej

• Autorzy: Tomczak Ł. , Mosorov V. , Kaczorowski D.

Warianty tytułu

EN

New method of texture defect detection in automatic visual inspection

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono nowy algorytm detekcji defektów, występujących w powierzchniach teksturowych, który, w przeciwieństwie do wielu metod opisanych w literaturze, nie wykorzystuje klasyfikacji nadzorowanej. Dzięki temu nie wymaga przygotowania zbioru uczącego i może być łatwo zastosowany w automatycznym systemie dokonującym wizualnej inspekcji powierzchni materiałów takich, jak: drewno, papier, materiały tekstylne, stal lub skały. W celu wykrycia i określenia lokalizacji defektów tekstur proponowane podejście dzieli analizowany obraz na obszary, następnie z wykorzystaniem rozkładu macierzy według wartości szczególnych i technik przetwarzania obrazów wyznacza cechy opisujące każdy z obszarów. Ostatecznie algorytm stosuje klasteryzację za pomocą metody rozmytych c-środków w celu zaklasyfikowania obszarów do jednej z dwóch klas: klasy defektu lub klasy pozbawionej defektu. Prezentowany algorytm zastosowano do analizy defektów, występujących w przykładowych teksturach naturalnych.

EN

In this paper we propose an algorithm for texture defects detection, which doesn't use supervised classification. The algorithm can be simply applied in an automatic visual inspection system. For localization of texture defects we calculate features of each non-overlapping region of an image via the Singular Value Decomposition (SVD) and image processing techniques. In next step the algorithm uses the fuzzy c-means clustering (FCM) to classify each region into two clusters. Finally we define a distance between centres of defective and non-defective clusters using some threshold value chosen empirically.

Słowa kluczowe

PL

inspekcja wizyjna; inspekcja automatyczna; detekcja defektów tekstury; dekompozycja według wartości szczególnych; klasteryzacja metodą rozmytych c-środków

EN

automatic visual inspection; texture defect detection; singular value decomposition; fuzzy c-means clustering

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2006
• Tom: T. 10, z. 3
• Strony: 471--475
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Tomczak Ł.

• Katedra Informatyki Stosowanej, Politechnika Łódzka

autor

Mosorov V.

• Katedra Informatyki Stosowanej, Politechnika Łódzka

autor

Kaczorowski D.

• Katedra Informatyki Stosowanej, Politechnika Łódzka

Bibliografia

• [1] Wiltschi K., Pinz A., Lindeberg T.: An automatic assessment scheme for steel quality inspection. Machine Vision and Applications, 2000, 113-128
• [2] Elbehiery H., Hefnawy A., Elewa M.: Visual Inspection for Fired Ceramic Tile s Surface Defects using Wavelet Analysis. lst International Computer Engineering Conference New Technologies for the Information Society, Egypt, 2004
• [3] Stojanovic R., Mitropulos R, Koulamas C: Real-time vision-based system for textile fabric inspection. Real-Time Imaging, 2001, 507-518
• [4] Maaenpaa T., Turtinen M., Pietikainen M.: Real-Time Surface Inspection by texture. Real-Time Imaging, 2003, 289-296
• [5] Partio M, Cramariuc B., Gabbouj: Rock Texture Retrieval Using Gray Level Co-occurance Matrix. 5th Nordic Signal Processing Symposium, Norway, 2002
• [6] Emmett J. Ientilucci: Using the Singular Value Decomposition. Chester F. Carlson Center for Imaging Science, Rochester Institute of Technology, 2003
• [7] Jahne B.: Digital image processing. Springer, Berlin, 2002
• [8] Hóppner F., Klawonn F., Kruse R.: Fuzzy Cluster Analysis. Amazon, Wiley, 1999