📄Работа №125067
Тема: Определение дефектов пиломатериалов методом компьютерного зрения
Тип работы
Бакалаврская работа
Предмет
информационные системы
Объем:
58 листов
Год:
2017
Просмотров:
75
4850
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 5
1. Постановка задачи 6
2. Обзор методов 9
2.1. Визуальная система классификации 9
2.2. Локализация пласти доски 10
2.2.1. Преобразование Хафа 10
2.3. Локализация дефектов на области доски 12
2.3.1. Сегментация изображений при помощи пороговой обработки 12
2.3.2. Математическая морфология 13
2.3.3. Алгоритмы нахождения особых точек и построения дескрипторов 14
2.4. Классификация дефектов 15
2.4.1. Linear SVM Classifier 15
2.4.2. Глубокие свёрточные нейронные сети: AlexNet 16
3. Реализация задачи 20
3.1. Общая архитектура 20
3.2. Выделение границ доски 22
3.3. Выделение контуров 23
3.4. Классификация дефектов 28
3.4.1. Обучение сети AlexNet 29
3.5. Объединение моделей локализации и классификации 31
4. Выводы 32
4.1. Возможное улучшение финальной модели 33
Заключение 35
Список литературы 37
5. Приложение 1 39
6. Приложение 2 56
1. Постановка задачи 6
2. Обзор методов 9
2.1. Визуальная система классификации 9
2.2. Локализация пласти доски 10
2.2.1. Преобразование Хафа 10
2.3. Локализация дефектов на области доски 12
2.3.1. Сегментация изображений при помощи пороговой обработки 12
2.3.2. Математическая морфология 13
2.3.3. Алгоритмы нахождения особых точек и построения дескрипторов 14
2.4. Классификация дефектов 15
2.4.1. Linear SVM Classifier 15
2.4.2. Глубокие свёрточные нейронные сети: AlexNet 16
3. Реализация задачи 20
3.1. Общая архитектура 20
3.2. Выделение границ доски 22
3.3. Выделение контуров 23
3.4. Классификация дефектов 28
3.4.1. Обучение сети AlexNet 29
3.5. Объединение моделей локализации и классификации 31
4. Выводы 32
4.1. Возможное улучшение финальной модели 33
Заключение 35
Список литературы 37
5. Приложение 1 39
6. Приложение 2 56
📖 Введение
Компьютерное зрение - это набор методов и технологий, позволяющий компьютерам не просто обрабатывать изображения как массив данных, а воспринимать их и интерпретировать подобным человеку образом. Все популярнее оно становится в промышленности, так как при помощи подобных методов можно автоматизировать и существенно улучшить процесс, за которым нужен визуальный контроль. Такими процессами могут выступать контроль качества продукта (например, контроль качества железобетонных конструкций, нефтепродуктов, зерна и др.), всевозможные измерения, подсчет количества объектов и многое другое. Особенно важно, что в этой сфере человеческой деятельности уже дано строгое определение задачам, решаемым методами компьютерного зрения, и с течением времени количество этих задач только увеличивается.
В рамках данной работы мы рассматриваем одну из подобных задач, а именно определение дефектов на пиломатериалах, и приводим ей сопутствующее решение при помощи компьютерных технологий. Почти на каждом деревообрабатывающем предприятии осуществляется сортировка с учетом дефектов на полотне доски. Но эта сортировка по качеству все еще часто происходит вручную, когда работник самостоятельно оценивает каждую из досок. Поэтому нельзя сбрасывать со счетов человеческий фактор, потому что на результаты влияет опыт работника, его навыки и многое другое, кроме того, он не может превысить пределы своих возможностей. В итоге, скорость сортировки упирается в быстроту оценки качества человеком, что серьезно задерживает весь процесс. Но скорость и качество процесса можно серьезно повысить, если использовать для решения этой задачи методы компьютерного зрения и машинного обучения. Таким образом, исключается необходимость работникам заниматься монотонной работой и они могут переключить свои силы на решение таких задач производства, какие в силах решить только человек.
В рамках данной работы мы рассматриваем одну из подобных задач, а именно определение дефектов на пиломатериалах, и приводим ей сопутствующее решение при помощи компьютерных технологий. Почти на каждом деревообрабатывающем предприятии осуществляется сортировка с учетом дефектов на полотне доски. Но эта сортировка по качеству все еще часто происходит вручную, когда работник самостоятельно оценивает каждую из досок. Поэтому нельзя сбрасывать со счетов человеческий фактор, потому что на результаты влияет опыт работника, его навыки и многое другое, кроме того, он не может превысить пределы своих возможностей. В итоге, скорость сортировки упирается в быстроту оценки качества человеком, что серьезно задерживает весь процесс. Но скорость и качество процесса можно серьезно повысить, если использовать для решения этой задачи методы компьютерного зрения и машинного обучения. Таким образом, исключается необходимость работникам заниматься монотонной работой и они могут переключить свои силы на решение таких задач производства, какие в силах решить только человек.
✅ Заключение
Задача, поставленная в рамках данной выпускной квалификационной работы, состояла в создании системы локализации и классификации дефектов на пиломатериалах. Для этого подразумевалось решение сразу нескольких задач: отсечение фона от пласти доски, локализация дефектов и последующая их классификация. В ходе ее решения были получены следующие результаты:
1. Исследованы методы компьютерного зрения, необходимые для локализации пласти доски и отсечения фона.
2. Был осуществлен анализ существующих методов обнаружения особых точек и дескрипторов.
3. Был осуществлен анализ методов пороговой обработки, фильтрации изображения, морфологии и прочих для решения задачи локализации дефектов.
4. Построена модель локализации дефектов по кластеризации ключевых точек, для эффективного применения нуждающаяся в переработке.
5. Построен составной алгоритм локализации дефектов, доказавший свою эффективность на практике.
6. Построен классификатор, основанный на линейном методе опорных векторов. Был признан негодным в результате промежуточных испытаний.
7. Построен классификатор, основанный на свёрточной нейронной сети AlexNet. Данная система классификации показала точность в 98% и была включена в финальную модель.
8. На основе методов локализации и классификатора была разработана и осуществлена финальная модель, система автоматической локализации и классификации дефектов на пласти доски.
9. Было произведено тестирование получившейся системы и показана ее работоспособность.
10. Были предложены возможные улучшения забракованных методов, как и идеи оптимизации осуществленной системы, в частности при помощи FCN.
Исходя из всего вышесказанного, можно утверждать, что поставленная задача была решена полностью. Примененные в модели методы локализации показали целесообразность своего применения, был создан точный классификатор для определения типов дефектов, также реализована пакетная передача данных, что оптимизирует скорость работы. Кроме того, существующую модель при помощи предложенных вариантов улучшения в будущем возможно модифицировать для решения более обширной задачи.
1. Исследованы методы компьютерного зрения, необходимые для локализации пласти доски и отсечения фона.
2. Был осуществлен анализ существующих методов обнаружения особых точек и дескрипторов.
3. Был осуществлен анализ методов пороговой обработки, фильтрации изображения, морфологии и прочих для решения задачи локализации дефектов.
4. Построена модель локализации дефектов по кластеризации ключевых точек, для эффективного применения нуждающаяся в переработке.
5. Построен составной алгоритм локализации дефектов, доказавший свою эффективность на практике.
6. Построен классификатор, основанный на линейном методе опорных векторов. Был признан негодным в результате промежуточных испытаний.
7. Построен классификатор, основанный на свёрточной нейронной сети AlexNet. Данная система классификации показала точность в 98% и была включена в финальную модель.
8. На основе методов локализации и классификатора была разработана и осуществлена финальная модель, система автоматической локализации и классификации дефектов на пласти доски.
9. Было произведено тестирование получившейся системы и показана ее работоспособность.
10. Были предложены возможные улучшения забракованных методов, как и идеи оптимизации осуществленной системы, в частности при помощи FCN.
Исходя из всего вышесказанного, можно утверждать, что поставленная задача была решена полностью. Примененные в модели методы локализации показали целесообразность своего применения, был создан точный классификатор для определения типов дефектов, также реализована пакетная передача данных, что оптимизирует скорость работы. Кроме того, существующую модель при помощи предложенных вариантов улучшения в будущем возможно модифицировать для решения более обширной задачи.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.