Defect Detection on the Technical Ceramics Surface by Using Image Processing and Machine Learning
Dzedzickis, Andrius | Recenzentas / Rewiewer |
Šiame darbe siūlomas techninės keramikos paviršiaus tyrimas naudojant vaizdo apdorojimą ir mašininį mokymąsi. Darbe apžvelgiama literatūra ir tyrimai. Be to, darbe yra naudojama išankstinio apdorojimo stadija, kuri realų vaizdą paverčia pilkos spalvos atvaizdu, dvejetainį vaizdą, maskavimą naudojant dviejų tipų funkcijų ištraukimą, „Brisk” funkciją ir „min-eigen” funkcijų ištraukimą.Gaminant techninę keramiką, ją reikia nedelsiant taisyti, kad gaminio rezultate neatsirastų kokybės problemų. Sistemoje pasireiškia iššūkis, nes reikia įveikti naudojant bendrą duomenų rinkinį iš įvairių keramikos vaizdų, kuriuos reikia iš anksto apdoroti ir pritaikyti gilųjį mašininį mokymą, kad būtų užtikrintas didesnis tikslumas.Darbo pabaigoje buvo padaryta išvada ir pasiūlymai tolesniems darbams.Darbą sudaro Literatūra, medžiaga apie „Brisk” požymių išskyrimą, „Min-eigen” požymių išskyrimą, srauto diagramą, įvesties bandomąjį vaizdą, vaizdų apdorojimą taip pat išvados ir literatūros sąrašas.Darbo apimtis - 47 puslapiai, tekstas be priedų, 14 paveikslų, 15 bibliografinių nuorodų.
This paper proposes a study of detection on a technical ceramic surface using image processing and machine learning. The work reviews the literature and research. In addition, the paper has a pre-processing stage that converts the real image to a gray image, a binary image, masking using two types of function extraction, a Brisk function extraction, and a min-eigen function extraction.During the production of technical ceramics, they must be repaired immediately so that the product does not cause quality problems. The system presents a challenge because it needs to be overcome by using a common data set from a variety of ceramic images that need to be pre-processed and applied to in-depth machine training to ensure greater accuracy.At the end of the work, a conclusion and suggestions for further work were made. The work consists of literature, material on Brisk feature extraction, Min-eigen feature extraction, flow chart, input test image, image processing, as well as conclusions and references.Thesis consists of: 47 pages, text without appendixes, 14 figures, 15 bibliographical entries.