پردازش تصاویر صنعتی با استفاده از منطق فازی

چکیده

کلید واژه ها

1. مقدمه

شکل1: رویکردی کلاسیک برای طبقه بندی شئی

2. رویکرد فازی

شکل2: معماری فازی پیشنهادی

شکل 3: (a) نمونه ای از محل جوش تصویر اشعه (x (b تصویر بخش بندی شده

3. نتایج تجربی

3.1 تعریف مقیاس های فازی

جدول 1: عملکرد در سطوح نویز

شکل 4:  مقایسه عملکرد الگوریتم پیشنهادی در حضور نویز

نتیجه گیری

این مقاله در ارتباط با استفاده از هوش مصنوعی است که در آن برای تحلیل خودکار تصاویر گرفته شده توسط اشعه از محصولات صنعتی و برای تشخیص نقص از تکنیک هایی مانند منطق فازی استفاده شده است. دو مرحله اصلی الگوریتم بر مبنای تحلیل ویژگی های تصاویر رادیو گرافیکی قرار دارد که از طریق محصول بازرسی شده بدست آمده است. هر شئی موجود در این تصویر با استفاده از تکنیک های منطق فازی تحلیل می شود. در مرحله نخست بطور خودکار تصمیم گرفته می شود که آیا شئی موجود را می توان از نقطه نظر هندسی بعنوان نقص در نظر گرفت و مرحله دوم تصمیم گیری نهایی را با استفاده از معیارهای «منطقی» در بر می گیرد که به محصول در حال تولید و شرایط کیفی آن بستگی دارد.

پردازش تصویر به بخش لاینفک سیستم های تولید صنعتی مدرن مبدل شده است که اکثرا در فرایندهای نیمه خودکار و دستی کاربرد دارد. این سیستم بررسی معمولا به تصویری از محصول نیاز دارد که باید سازگاری کیفی آن بررسی شود و سپس تصویر مذکور توسط اپراتورهای انسانی یا بصورت خودکار و توسط کامپیوتر و از طریق تکنیک های خاص پردازش تصویر تحلیل شود. در حالیکه از چنین سیستمی برای کاهش آلاینده های فلزی یا غیر فلزی ( مثلا شیشه، استخوان و سنگ برای تشخیص معایب گوشت های خام یا آماده شده، محصولات پخته شده، محصولات بسته بندی شده، ظروف، قوطی های کنسرو، مطابقت محل های اتصال و قالب گیری ها و غیره) استفاده می شود این سیستم همچنین برخی وسایل تهیه یک یا چند تصویر از محصول بازرسی شده را در بر می گیرد. تصویر رادیوگرافی مهم ترین نوع تصویر استفاده شده در سیستم های بازرسی تجاری به شمار می رود [1] و [2]. بسته به کیفیت تصاویر گرفته شده توسط اشعه ایکس یا عملکرد سیستم گرفتن عکس واقعی از طریق اشعه ایکس و ضریب جذب اشعه ایکس توسط محصول بازرسی شده، می توان برای تشخیص نقایص ممکن از تکنیک های پردازش تصویر متعددی استفاده کرد. این روش بر مبنای مراحل زیر قرار دارد: فرایند بازرسی تصویر برداری کلی مرحله 1 تهیه تصویر یا تصاویری از محصول بازرسی شده مرحله2 پیش پردازش تصویر در خصوص تصویر یا تصاویر حاصله مرحله3 بخش بندی تصویر مرحله4 استخراج خصیصه و شئی برای تصویر بخش بندی شده حاصله مرحله5 تشخیص خطاها یا نواقص ممکن تصویر مرحله6 پذیرش یا رد محصول نهایی تهیه تصویر به معنای دراختیار داشتن وسایل تولید تصاویر اشعه ایکس از محصول بازرسی شده و ابزاری برای انتقال آنها به کامپیوتر است. پیش پردازش تصویر بر استفاده از تکنیک هایی دلالت دارد که برای افزایش تصاویر رادیوگرافی بدست آمده برای پردازش تصویر در سطح متوسط ( افزایش تشخیص سایه روشن، حذف پس زمینه، حذف نویز و غیره) بکار گرفته می شوند [3]،[4]. بخش بندی تصویر مهمترین بخش این سیستم پردازش تصویر خودکار بوده و بخش بندی تصویر به چند دسته از اشیا تنها مساله آن است. اکثر روش های بخش بندی در حال حاضر به الگوریتم های آستانه گیری ساده متکی هستند [5]، [6]، [7]. بر اساس این واقعیت که معمولا محصول بازرسی شده از مواد مختلف با ضخامت های متفاوت تشکیل شده است که تابعی از متغیر تصادفی محسوب می شود نمی توان از الگوریتم آستانه گیری ساده برای تکنیک های هوشمندی مانند شبکه های عصبی پس انتشار، شبکه های عصبی کوهنن یا شبکه های عصبی هاپفیلد استفاده کرد [9]،[10]،[11]، [12]، [13]. بسته به تصویر رادیوگرافی بدست آمده، نتایج حاصل از تقسیم بندی باید در حد بهینه باشد (یعنی تصویر گرفته شده توسط اشعه x برای تجزیه و تحلیل بعدی به اشیای معناداری تقسیم شود). در مرحله استخراج خصیصه و شئی روش مورد استفاده باید بتواند برخی خصیصه های هر شئی موجود در تصویر بخش بندی شده را استخراج و محاسبه کند؛ فرایند استخراج خصیصه تا حد زیادی به محصولات بازرسی شده بستگی دارد؛ چنانچه بخواهیم محل های اتصال را بازرسی کنیم باید بدنبال شکاف ها و انتشار گازها بود و سپس خصیصه های استخراج شده از تصویر را می توان بر اساس ویژگی های هندسی، فضایی یا سطح خاکستری در مقایسه با پس زمینه آنها قرار داد؛ چنانچه در جستجوی یافتن آلاینده هایی در گوشت بدون استخوان سینه هستیم باید بدنبال قسمت هایی از استخوان بود که بسیار کوچک بوده و شکل خاصی دارند (گرد) در نتیجه تنها می توان خصیصه های هندسی را از تصویر تقسیم بندی شده استخراج کرد. مرحله آخر به اشیا و خصیصه های آن بستگی دارد که قبلا استخراج شده اند. این مساله طبقه بندی یا به عبارت کلی تر مساله تشخیص الگو (PR) محسوب می شود [14]. این روش به موضوع طبقه بندی هر شئی بعنوان محصولی عادی یا معیوب می پردازد. زمانی که خصیصه ها ی یک شئی استخراج شد ساده ترین راه مقایسه آنها با اطلاعاتی است (یا جدول ارجاع) که درون پایگاه داده ها ذخیره شده است. مبنای این دانش معمولا با استفاده از مشاهدات کارشناس طراحی می شود. تصاویر ساده با استفاده از کارشناسان انسانی و اطلاعاتی تحلیل می شوند که با فورمتی سودمند در پایگاه داده های کارشناس ذخیره شده اند. ایراد اصلی این رویکرد این است که در آن از تصممیم دشوار اگر- آنگاه استفاده می شود که قبلا توضیح داده شد. جدول ارجاع پیاده شده از الگوهایی تشکیل شده است که قبلا ذخیره شده اند و از طریق آزمایش ها و بر مبنای دانش بشری جمع آوری شده اند. تغییرات کوچک از این الگوهای از پیش ذخیره شده به عرضه نتایج نامعتبر منجر خواهد شد. مثلا در این مرحله آخر سیستم بازرسی، نویز در فرایند استخراج خصیصه ظاهر می شود و در نتیجه مقدار خصیصه ها را تغییر می دهد. این نتیجه تقسیم بندی ضعیف یا خراب شدن تصویر در طی مرحله تهیه تصویر یا بخاطر انتقال در سرتاسر کابل های سیگنال ویدئویی است که اغلب تحت تاثیر وجود میدان های الکترومغناطیسی یا روکش نامناسب کابل ها قرار دارد. این مقاله به مرحله پنجم سیستم پردازش تصویر می پردازد- تشخیص خطاها یا نواقص ممکن از تصویر اشعه X که قبلا تقسیم بندی شده است. در این مقاله از طریق اجرای روش منطق فازی مرحله دو راهکاری برای طبقه بندی شئی ارائه شده است.