تشخیص عیوب پارچه با استفاده ازروش تکنیک های پیشرفته محاسبات نرم و پردازش تصویر

طبقه بندي بافت يکي از زمينه هاي حائز اهميت در حوزه تحليل تصوير مي باشد که در این بین طبقه بندي بافت پارچه از اهمیت خاصی برخوردار می¬باشد. تعین کیفیت پارچه¬ها در یک واحد صنعتی به منظور کنترل محصول ودر نتیجه کیفیت محصول نقش مهی را ایفاء می کندچرا که باعث افزایش سود آوري این صنعت میشود. در این زمینه افزایش دقت آشکارسازي و کاهش زمان و هزینه لازم براي آشکارسازي بسیار اهمیت دارد. یکی از روشهاي تشخیص ودسته بندي بافت پارچه که در سال هاي اخیر گسترش پیدا کرده است،بازرسی دیداري خودکار محصول تولید شده جهت کنترل کیفیت آن می باشد که از آن به پردازش تصویر یاد می¬شود. اين زمينه تقريباً از سه دهه پيش به صورت فعال پيگيري و روشهاي گوناگوني براي حل مسائل مختلف در مقالات ارائه شده است. به طور مختصر روشهاي فعلي طبقه بندي بافت را مي توان به چهار کلاس، روشهاي آماري، هندسي، بر پايه مدل و پردازش سيگنال، دسته بندي کرد .بررسي¬ها نشان مي دهد که الگوريتمهاي مبتني بر ترکيب روشهاي آماري و پردازش سيگنال در سالهاي اخير، قويترين ابزارها از طریق طبقه بندي بافت ارائه شده اند. روشهاي آماري توزيع مکاني سطوح خاکستري موجود در بافت را با محاسبه ويژگيهاي محلي در هر نقطه از تصوير و استخراج مجموعه اي از آماره ها، مبناي طبقه بندي قرار مي دهند که از بين آنها مي توان به روشهاي بر پايه ماتريس و روشهاي تفاضل سطوح خاکستري Co-occurrence اشاره کرد. در کاربردهاي واقعي بسيار دشوار و در پاره موارد غير ممکن است که تصاويري با زاويه و مقياس يکسان تهيه کنيم. در اين گونه موارد ايجاد استقلال از دوران و مقياس هم از حوزه عملي و هم از حوزه تئوري بسيار حائز اهميت است. بعد از فاز استخراج ويژگي هاي مستقل از دوران و مقياس، بايد با استفاده از يك طبقه بند، ويژگيهاي استخراج شده را طبقه بندي كرد. طبقه بندهاي زيادي وجود دارد كه از بين آنها مي توان به طبقه بندهاي آماري پارامتريك كه از تئوري تصميم مشتق شده اند، طبقه بند غير پارامتريك نزديك Bayesian ترين همسايگي و شبكه هاي عصبي مختلف مانند Support ، پرسپترونهاي چند لايه، نام برد. در سالهاي اخير روشهای بهینه¬سازی شبکه¬های عصبی به عنوان يك روش طبقه بندي رگرسيون، موفقيتهاي زيادي كسب نموده است. اين طبقه¬بندها در كاربردهاي گوناگوني مانند شناخت ارقام، طبقه بندي متن، تشخيص اشيا و غيره، نتايج بهتري نسبت به طبقه بندهاي ذكر شده، ارائه داده¬اند. در اين پژوهش بر آنيم که با بهینه¬سازی شبکه عصبی مصنوعی توسط یکی از جدیدترین الگوریتم شناخته¬شده که نتایج خوبی را به همراه داشته است، به منظور ايجاد و استفاده از طبقه بند استقلال از دوران و مقياس در طبقه بندي بافت پارچه استفاده کنيم.