شماره ركورد كنفرانس :
3184
عنوان مقاله :
تشخيص عيب لكه در سطوح رنگي متاليك ماشين هاي كشاورزي با استفاده از سامانه بينايي ماشين
عنوان به زبان ديگر :
Detection of dirt defect on metallic colored surfaces using machine vision system
پديدآورندگان :
قضاوتي جلال الدين دانشگاه آزاد اسلامي واحد بناب - باشگاه پژوهشگران جوان و نخبگان , آذرم هادي دانشگاه آزاد اسلامي واحد بناب , عباسقلي پور مهدي دانشگاه آزاد اسلامي واحد بناب - دانشكده فني و مهندسي - گروه مكانيك ماشين هاي كشاورزي , لطفي اسكي ابوالفضل دانشگاه آزاد اسلامي واحد بناب , ملكيان محمد دانشگاه آزاد اسلامي واحد بناب
كليدواژه :
بينايي ماشين , پردازش تصوير , تشخيص عيوب رنگي سطوح متاليك , لكه , ريخت شناسي , ماشين هاي كشاورزي
عنوان كنفرانس :
مجموعه مقالات هشتمين كنگره ملي مهندسي ماشين هاي كشاورزي (بيوسيستم) و مكانيزاسيون
چكيده فارسي :
سطوح رنگ متاليك داراي عيوبي همچون لكه، شره، لكه آب، پوست پرتقالي شدن و غيره مي باشد كه تشخيص و شناسايي اين عيوب به صورت خودكار در خط توليد كارخانه هاي توليد كننده ماشين هاي كشاورزي و خودروها، بازرسي سطوح رنگي را تسهيل و با دقت بالايي امكان پذير خواهد كرد. در اين تحقيق تشخيص عيب لكه با استفاده از سامانه بينايي ماشين مورد بررسي قرار گرفته است. در سامانه طراحي شده ابتدا تصوير با يك سامانه نورپردازي داراي ساختار و دوربين ديجيتالي تهيه شد، سپس الگوريتمي براي پردازش تصوير و تشخيص عيب لكه طراحي گرديد. در الگوريتم پيشنهادي تشخيص عيب لكه شامل مجموعه اي از توابع ريخت شناسي بود، به طوريكه بعد از پياده سازي الگوريتم، درصد خطاي آن 6/06 درصد برآورد گرديد.
چكيده لاتين :
Metallic color surface defects are such as dirt, run, water spotting, orange peel and etc It is necessary to identify and inspect the colored surfaces defects into automatic producing lines such as agricultural machinery and vehicles. In this paper machine vision system is used to detect the dirt defect. First the designed system provides images by digital camera and the structured lighting system and then the algorithm is designed to image processing and detection of dirt defect. The proposed algorithm is consisted of the functions set such as morphological, which after the implementation of algorithm, its error was estimated 6.06 percent