research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

Article
Detecting and Classifying Defects in Textile Fabrics with Gabor Filters and Neural Network
اكتشاف وتصنيف العيوب في الأقمشة المنسوجة بواسطة فلاتر جابور والشبكة العصبية

Author: D.Israa mohammed khuder د.إسراء محمد خضر
Journal: kirkuk university journal for scientific studies مجلة جامعة كركوك للدراسات العلمية ISSN: 19920849 26166801 Year: 2017 Volume: 12 Issue: 3 Pages: 835-862
Publisher: Kirkuk University جامعة كركوك

Loading...
Loading...
Abstract

Given the importance of the industry and because the quality of the products reflect the promoted and progress and the advancement of the economy of any country , including the textile industry one of the most important industries that require quality. As the methods of automation was necessary to use computer vision and image processing to increase the speed and efficiency of this process. Aims of the proposed work to integrate the image processing methods and intelligence techniques as well as statistical approaches. Where analysis techniques multiple scales multi-scale and multi-directional multi-orientation as a filter Gabor are used. And this filter has proven its efficiency in edge detection and give the best features by which they are distinguished types of defects which you may get during the spinning and weaving . Hence the formulation of how they can address the installation of textile and defective areas of the cloth and to identify any kind of flaws in them.To raise the level of this process when checking woven-fabrics and identify defects. The proposed work includes two phases, the first phase is to detects detection in fabric images and the second stage is the stage of classification defects. At the separation phase image is converted into frequency space by conversion sinus intermittent (DCT). Then features are extracted and inserted into the Backpropagation neural network where the separation process is done. Either at the stage of classification are images are converted into frequency domain by Gabor transmition .And then draw features images are inserted into the Backpropagation neural network to classify fabric defects in those images .To verify the efficiency of the techniques used, live images were collected as a database of fabrics from the textile laboratory in Mosul as well as the local market. The fabrics were carefully chosen with fabrics of different types and colors and fourteen different types of Fabric defects. System was used (Matlab 2013). Explained the proposed work discrimination ratio ( 97.5%) compared to the results of the other works in the same field approach.

نظرا لأهمية الصناعة ولأن جودة المنتجات تعكس رقي وتقدم و نهوض اقتصاد أي بلد لذلك تعد صناعة الغزل والنسيج إحدى أهم الصناعات التي تتطلب الجودة. باتت عملية فحص النسيج تشكل مطلباً هاماً لضمان الجودة ومطابقة المنتجات للقياسات النوعية، ومع تقدم أساليب الأتمتة كان من الضروري استخدام الرؤية الحاسوبية ومعالجة الصور لزيادة سرعة وكفاءة عملية الفحص. يهدف العمل المقترح إلى دمج طرائق معالجة الصور والتقنيات الذكائية كالشبكة العصبية فضلا عن الطرائق الإحصائية إذ اُستخدمت طرائق تحليل متعددة المقاييس multi-scale ومتعددة الاتجاهات multi-orientation كتحليل جابور. أثبت الفلتر كفاءته في تمييز وتحديد الحواف وإعطاء أفضل الصفات التي من خلالها يتم تمييز أنواع العيوب التي قد تحصل أثناء الغزل والنسيج. ومن ثم صياغة للكيفية التي يمكن من خلالها معالجة التراكيب النسيجية والمناطق المعيبة من القماش وتحديد أي نوع من أنواع العيوب الموجودة فيها. لرفع مستوى هذه العملية عند فحص الأقمشة المنسوجة والتعرف على العيوب بشكل off-line.يتضمن العمل المقترح مرحلتين, المرحلة الأولى هي مرحلة اكتشاف العيوب في صور الأقمشة والمرحلة الثانية هي مرحلة تصنيف العيوب. في مرحلة اكتشاف العيوب يتم تحويل الصور إلى الحيز الترددي عن طريق التحويل الجيبي المتقطع (DCT) ومن ثم استخلاص صفات الصور وإدخالها إلى الشبكة العصبية شبكة الانتشار العكسي لتتم عملية اكتشاف وجود العيوب وعزل الصور السليمة عن المعيبة. أما في مرحلة التصنيف فيتم تحويل الصور إلى الحيز الترددي عن طريق تحويل جابور ومن ثم استخلاص صفات الصور وإدخالها إلى الشبكة العصبية شبكة الانتشار العكسي لتصنيف عيوب النسيج الموجودة في تلك الصور. للتحقق من كفاءة التقنيات المستخدمة تم جمع صور حية كقاعدة بيانات لأقمشة من معمل الغزل والنسيج في الموصل فضلا عن السوق المحلية. تم اختيار صور الأقمشة بعناية وهذه الأقمشة بأنواع و بألوان وأربعة عشر نوعا مختلفا من العيوب.تم استخدام نظام (Matlab 2013) وأوضح العمل المقترح نسبة تمييز % (97.5) مقارنة بنتائج أعمال أخرى مقاربة وفي نفس المجال.

Listing 1 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

Arabic (1)


Year
From To Submit

2017 (1)