هوش بینایی ماشین برای بررسی نقص محصول مبتنی بر یادگیری عمیق و تبدیل هوف

روشهای بازرسی محصول مبتنی بر بینایی ماشین به منظور بهبود کیفیت محصول و کاهش هزینه های نیروی کار به طور گسترده ای مورد بررسی قرار گرفته است. پیشرفت های اخیر در یادگیری عمیق، ابزارهای پیشرفته تحلیلی را با دقت و استحکام بالای بازرسی فراهم می کند. با این حال، ساخت مدل یادگیری عمیق به طور معمول گران است، که ممکن است با بازرسی سریع مطابقت نداشته باشدل بنابراین، این مقاله یک روش جدید برای بازرسی بینایی ماشین مبتنی بر یادگیری عمیق برای شناسایی و طبقه بندی محصول معیوب بدون از بین بردن دقت ارائه می دهد. به طور خاص، فیلتر گاوسی ابتدا برای محدود کردن نویز تصادفی روی تصویر دست یافته انجام می شود. سپس، یک منطقه استخراج شده از منطقه مورد علاقه ROI بر اساس تبدیل هاوگ انجام می شود تا پس زمینه نامربوط را از بین ببرد و بدین ترتیب بار محاسباتی فرآیند شناسایی بعدی را بارگیری کندل ساخت ماژول شناسایی مبتنی بر شبکه عصبی حلقوی است، این در حالیست که بلوک باقیمانده معکوس به عنوان بلوک اساسی برای ایجاد تعادل خوب بین دقت شناسایی و کارایی محاسباتی معرفی شده است. عملکرد بازرسی برتر با استفاده از روش ارائه شده با مقدار زیادی از مجموعه داده ها که شامل تصاویر بطری معیوب و با نقص است بدست می آید

کلیدواژه ها:

یادگیری ماشین ، شبکه عصبی ، یادگیری عمیق ، بینایی ماشین ، هوش بینایی