مقالات ترجمه شده دانشگاهی ایران

شبکه عصبی پس انتشاری تشخیص عیوب پارچه

شبکه عصبی پس انتشاری تشخیص عیوب پارچه

شبکه عصبی پس انتشاری تشخیص عیوب پارچه – ایران ترجمه – Irantarjomeh

 

مقالات ترجمه شده آماده گروه  نساجی
مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات رایگان

مطالعه ۲۰ الی ۱۰۰% رایگان مقالات ترجمه شده

۱- قابلیت مطالعه رایگان ۲۰ الی ۱۰۰ درصدی مقالات ۲- قابلیت سفارش فایل های این ترجمه با قیمتی مناسب مشتمل بر ۳ فایل: pdf انگیسی و فارسی مقاله همراه با msword فارسی -- تذکر: برای استفاده گسترده تر کاربران گرامی از مقالات آماده ترجمه شده، قیمت خرید این مقالات بسیار کمتر از قیمت سفارش ترجمه می باشد.  

چگونگی سفارش

الف – پرداخت وجه بحساب وب سایت ایران ترجمه (شماره حساب) ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.com شامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر -- مقالات آماده سفارش داده شده عرفا در زمان اندک یا حداکثر ظرف مدت چند ساعت به ایمیل شما ارسال خواهند شد. در صورت نیاز فوری از طریق اس ام اس اطلاع دهید.

قیمت

قیمت این مقاله: ۲۰۰۰۰ تومان (ایران ترجمه - irantarjomeh)

توضیح

بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.

مقالات ترجمه شده نساجی - ایران ترجمه - irantarjomeh

شبکه عصبی پس انتشاری تشخیص عیوب پارچه

شماره      
۵۲
کد مقاله
TXT52
مترجم
گروه مترجمین ایران ترجمه – irantarjomeh
نام فارسی
شبکه عصبی پس انتشاری تشخیص عیوب پارچه
نام انگلیسی
A Back-Propagation Neural Network for Recognizing Fabric Defects
تعداد صفحه به فارسی
۱۸
تعداد صفحه به انگلیسی
۶
کلمات کلیدی به فارسی
شبکه عصبی- تشخیص عیوب پارچه
کلمات کلیدی به انگلیسی
Neural Network- Recognizing Fabric Defects
مرجع به فارسی
لابراتوار کنترل و شبیه‌سازی- دپارتمان مهندسی پلیمر و الیاف
مرجع به انگلیسی
Intelligence Control and Simulation Laboratory- Department of Polymer and Fiber Engineering
سال      
۲۰۰۳
کشور        

 

 

شبکه عصبی پس انتشاری تشخیص عیوب پارچه
چکیده
وضعیت ظاهری، یکی از مهمترین ویژگیهای منسوجات می‌باشد. بررسی پارچه به طور مرسوم توسط کارگران انجام می‌شود. اما مشکل صحت این بررسی چیزی است معقول زیرا بررسی کنندگان به سادگی خسته و دچار آزردگی چشم می‌شوند. برای غلبه به این معایب، در این مقاله، یک سیستم تصویر برداری به عنوان ابزار شناسایی ذکر گشته است. بر این مبنا، یک پارچه سفید ساده بعنوان نمونه در نظر گرفته شده است ومعایب آن سوراخ، لک روغنی، فقدان تار و فقدان پود تشخیص داده شد. بر این اساس، یک دوربین پویشی با پردازش تصویر (۵۱۲×۵۱۲) برای این بررسی مورد استفاده قرار گرفت وعکس گرفته شده برای فیلتر شدن و آستانه سازی به کامپیوتر منتقل گردید. سپس داده‌های مربوط به تصویر در شبکه عصبی پس انتشاری به عنوان ورودی استفاده شد. در این مبحث سه پارامتر ورودی در لایه ورودی شبکه عصبی مشخص شده است که عبارتند از: طول ماکسیمم، عرض ماکسیمم و سطح خاکستری عیوب پارچه. این سیستم بطور موفق برای تشخیص خصوصیات غیرخطی و تشخیص بهتر و ارتقا یافته به کار گرفته شده است.
به طور کلی، عیبهای پارچه‌ها را بصورت دستی مورد بررسی قرار می‌هند. اما در این زمینه مشکلاتی بروز خواهد نمود، مشکلاتی که ناشی از همین بررسی دستی هستند، مانند افزایش زمان صرف شده، عوامل انسانی، فشار بر روی ذهن وجسم و فرسودگی. این مشکلات بعداً بر روی حجم تولید و صحت بررسی تاثیر می‌گذارند. بنابر این تکنیکهایی که می‌توانند جایگزین بررسیهای دستی شوند، را باید مد نظر قرار داد. در این زمینه، جامع‌ترین تکنیک تکنولوژی پردازش تصویر می‌باشد. با شروع در دهه ۱۹۷۰، سیستمهای تشخیصی زیادی پا بعرصه وجود نهادند که شامل سنجش پارچه‌های پنبه‌ای، خصوصیات لیف و خصوصیات پارچه‌های بی‌بافت، همراه با سنجش ساختارهای فرش وعیوب پارچه بودند. اخیراً محققان از شبکه های عصبی در ارتباط با پردازش تصویر استفاده کرده اند، مانند بارت و همکاران و اشخاص دیگر، که از شبکه های عصبی و تبدیل فوریه برای طبقه بندی سیستمهای بافت آنلاین استفاده کردند. علاوه بر این، چن و همکارانش و دیگران از شبکه های عصبی تبادل معکوس وآنالیز فوریه جهت بررسی نخهای از دست رفته ولکه های روغن و غیره استفاده کردند. همچنین راجاسکاران از شبکه های عصبی برای تکنولوژی پردازش تصویر به منظور تشخیص عیوب پارچه استفاده کرد. پارک و کنگ و دیگران هم از شبکه های عصبی برای دست یابی هدفمند به آبرفتگی بافت استفاده نمودند. در این مقاله، ما از یک رابط نوشته شده در زبان ++ VC برای بازیابی تصاویر بهره جسته‌ وسپس از این  اطلاعات برای محاسبه مقادیر تصاویر اندوخته شده در مسیرهای طولی وعرضی استفاده نموده و بر این اساس، به طول، عرض و همچنین سطح خاکستری عیوب پارچه دست یافتیم. در شروع کار، روال توسعه تکنولوژی تصویر، بواسطه قیمتهای بالای تجهیزات آن محدود شده بود. با این حال، با بهره‌گیری از امکانات آنلاین درصد تشخیص بطور معمولً بیشتر از ۵۰% نگردید. در این مقاله ما یک سیستم تشخیص تصویر برای بررسی پارچه را گزارش خواهیم کرد که حقیقتاً سهم بزرگی را در این زمینه ایفا نموده است.

شبکه عصبی پس انتشاری تشخیص عیوب پارچه

 

پردازش تصویر و فیلترینگ
در طرح ما چهار عیب مورد نظر یعنی فقدان تار، فقدان پود، سوراخها ولکه های روغن برای آنالیز و تشخیص در نظر گرفته شده‌اند. معمولاً یک نیروی برداشت بیشتر ویا افزایش کشش باعث فقدان پود می‌گردد و زمانی که تار خیلی کوتاه باشد فقدان تار بوجود می‌آید. چون فقدان تار و پود برروی پارچه قابل مشاهده نیستند، تشخیص آنها بسیار مشکل است و به همین سبب تشخیص سوراخها و لکه های روغن که پهن تر هم می‌باشند ساده‌تر خواهد بود. در طرح ما، مدل آزمایشگاهی مورد نظر، از نور پردازی جلو، برای افزایش تفاوتهای سطح خاکستری عیوب استفاده می‌کند.
آستانه سازی
آستانه سازی نقش مهمی را در پردازش تصویر بازی می‌کند و مرتبط با صحت و دقت تشخیص تصویر نیز می‌باشد. اگر ارتباط شی و زمینه مشخص باشد، مقدار آستانه سازی یک مقدار مطلوب خواهد بود. یک هیستوگرام با نویز گاوسی به شکل زیر نشان داده می‌شود:
نتایج
در طرح مورد بحث، ما از یک شبکه عصبی پس انتشاری با یک لایه ورودی، یک لایه مخفی و یک لایه خروجی استفاده می‌کنیم. مفهوم اصلی این شبکه عصبی پس انتشاری انتقال خطاها از لایه خروجی به لایه مخفی می‌باشد. ویژگی اصلی این شبکه عصبی آموزش بینهایت و قابلیت تحمل یا تلرانس می‌باشد. این مورد در حقیقت یک الگوریتم رگرسیون غیر خطی می‌باشد و می‌تواند برای آموزش و طبقه بندی عیب ذاتی پارچه مورد استفاده قرار گیرد. در تحقیق ما لایه ورودی شامل سه واحد ورودی می‌باشد. طول حداکثر، عرض حداکثر وسطح خاکستری و سه واحد خروجی هم در لایه خارجی حضور دارند. عکسهای گرفته شده از لکه روغن، حفره، فقدان پود و فقدان تار در شکل های ۱۱ تا ۱۴ نشان داده شده است.
نتیجه گیری
در طرح مورد مطالعه ما، عیوب پارچه توسط تکنولوژی تصویر و با بهره‌گیری از یک سیستم شبکه عصبی پس انتشاری مورد بررسی قرار می‌گیرد. تصاویر عیوب پارچه توسط یک اسکن محیطی گرفته شده و نویزها نیز بصورت موفقی با استفاده از فیلتر مسطح فیلتر شد. در این مقاله شبکه عصبی مورد نظر می‌تواند اطلاعات مربوط به خود را بعد از فراکیری عیوب مختلف با اندازه های متفاوت و شکلهای گوناگون به ثبت رساند. این سیستم توانایی فراگیری بالایی را دارا می‌باشد، بگونه‌ای که می‌توان تلرانس را بصورت متوالی بواسطه محاسباتی مکرر کاهش داد. این سیستم همچنین توانایی فوق‌العاده‌ای برای کار با خطاها داشته و بنابراین، چنین تحقیقی قابلیتهای انسانی متناسبی خواهد داشت.
با توجه به نتایج آزمایش ما، میزان قابل اندازه گیری فقدان تار و فقدان پود تا۹۵% می‌باشد و این میزان برای حفره ها و لکه های روغن به ۱۰۰% هم می‌رسد. بخاطر داشته باشید که در طرح ما میزان تشخیص بستگی به وضعیتهای منبع نور دارد.

شبکه عصبی پس انتشاری تشخیص عیوب پارچه

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
تماس با ما

اکنون آفلاین هستیم، اما امکان ارسال ایمیل وجود دارد.

به سیستم پشتیبانی سایت ایران ترجمه خوش آمدید.