توضیحات
ABSTRACT
Segmentation is an important stage in automatic digital image processing. A special case of segmentation is to segment objects from their background. Among different segmentation algorithm for object detection, learning based approach is widely applied. In steel industry, pallets are moving on a rail. They have high resolution details in their structure and the image of a pallet taken by a camera in real time suffers from severe noise and illumination variations .The purpose of this paper is to segment the pallet from a frame of a sequence of video images, such that the pallet is segmented without degradation of resolution. We use the pallet image in YUV color space together with wavelet transform (WT) for detection. For classification Support Vector Machine (SVM) is incorporated to the images. It is shown that the above procedure egments the pallets successfully without degradation of resolution.
INTRODUCTION
Object detection is a crucial stage in industry inspection. For instance object detection is used in driver assistance systems, traffic monitoring, robotics, security systems, video surveillance and medical image processing. In recent years, for industry inspection, due to its importance, different algorithms have been developed for object detection and classification. For this task image processing techniques is widely used. The first step of these algorithms is to detect and segment the main object from the background. In steel industry, in pelletizing unit usually there is a chain of pallets moving on a rail, carrying the pellets into furnace for heat operations. In Mobarake Steel Industry (Isfahan, Iran), each pallet contains four rows of grate-bars, each row containing 90 grate-bars. Each pallet has a length of 3.6 meter and width of 1.5 meter. Each of the grate-bars which are composed of incombustible brick is 0.3 meter in length and 0.035 meter in width. During heat operation different kinds of defects is imposed on pallets and their grate bars. These defects cause an intensive amount of economical deficit for the steel industry, so intensive attention has been paid for detecting and classifying different defects of the pallets and maintaining them by using laborers as inspectors.
چکیده
Segmentation یک مرحله مهم در پردازش تصویر اتوماتیک دیجیتال است. یک مورد خاص تقسیم بندی این است که اشیا را از پس زمینه خود جدا کنند. در میان الگوریتم تقسیم بندی مختلف برای تشخیص شی، روشی مبتنی بر یادگیری به طور گسترده ای مورد استفاده قرار می گیرد. در صنعت فولاد، پالت در حال حرکت بر روی راه آهن است. آنها جزئیات دقیق در ساختار خود دارند و تصویری از یک پالت گرفته شده توسط یک دوربین در زمان واقعی رنج می برند از تغییرات سر و صدا و روشنایی. هدف از این مقاله این است که پالت را از یک قاب از یک دنباله از تصاویر ویدئویی، مانند که پالت بدون تخریب قطعنامه تقسیم شده است. ما از تصویر پالت در فضای رنگ YUV با تبدیل تبدیل موجک (WT) برای تشخیص استفاده می کنیم. برای طبقه بندی پشتیبانی ماشین بردار (SVM) به تصاویر گنجانده شده است. نشان داده شده است که روش فوق، پالت را با موفقیت بدون نقص وضوح تصور می کند.
مقدمه
تشخیص ابعاد یک مرحله حیاتی در بازرسی صنعتی است. به عنوان مثال تشخیص شی در سیستم های کمک راننده، نظارت بر ترافیک، روباتیک، سیستم های امنیتی، نظارت تصویری و پردازش تصویر پزشکی استفاده می شود. در سال های اخیر، برای بازرسی صنعتی، به علت اهمیت آن، الگوریتم های مختلف برای شناسایی و طبقه بندی شی مورد استفاده قرار گرفته اند. برای این کار تکنیک های پردازش تصویر به طور گسترده ای استفاده می شود. اولین مرحله از این الگوریتم ها تشخیص و تقسیم جسم اصلی از پس زمینه است. در صنعت فولاد، در واحد پلت کردن، معمولا یک زنجیر پالت در حال حرکت بر روی یک ریل وجود دارد که گرولت را به عملیات حرارتی به کوره انتقال می دهد. در صنعت فولاد مبارکه (اصفهان، ایران)، هر پالت شامل چهار ردیف گریت می باشد، هر ردیف شامل 90 ردیف می باشد. هر پالت طول 3.6 متر و عرض 1.5 متر دارد. هر یک از گریت های ساخته شده از آجرهای غیر قابل احتراق 0.3 متر طول و 0.035 متر عرض دارد. در طول عملیات حرارتی، انواع مختلف نقص بر روی پالت ها و گیت های آنها اعمال می شود. این نقص ها باعث کمبود شدید اقتصاد صنعت فولاد شده است، بنابراین توجه جدی به شناسایی و طبقه بندی نقص های مختلف پالت ها و حفظ آنها با استفاده از کارگران به عنوان بازرسان پرداخت شده است.
Year: 2010
Publisher : Eighteenth International Energy Conference of Iran
By : Aida Fooladivanda, Narges Chehrerazi, Saeed Sadri, Rasoul Amirfattahi, Mohammad Ali Montazeri
File Information: English Language/ 6 Page / size: 1.31 MB
سال :1389
ناشر : هجدهمین کنفرانس بین المللی برق ایران
کاری از : آیدا فلاادیداندا، نرگس چررازی، سعید صدری، رسول امیرفتاقی، محمد علی منتظری
اطلاعات فایل : زبان انگلیسی / 6 صفحه / حجم : MB 1.31
نقد و بررسیها
هنوز بررسیای ثبت نشده است.