تشخیص سرامیک شکسته با پردازش تصویر - انجام پروژه متلب |پروژه متلب | انجام پروژه متلب برق | شبیه سازی با متلب

تشخیص سرامیک شکسته با پردازش تصویر

تشخیص سرامیک شکسته با پردازش تصویر :شبیه سازی با متلب 

شبیه سازی با متلب : استفاده از پردازش تصویر در تعیین کیفیت سطحی کاشی و سرامیک

چکیده

شبیه سازی با متلب:علم پردازش تصویر در چند دهه اخیر از هر دو جنبه نظری و علمی پیشرفت های چشمگیری داشته است .سرعت این پیشرفت به اندازه ای بوده است که هم اکنون، به راحتی می توان رد پای پردازش تصویر را در بسیاری از علوم و صنایع مشاهده نمود.

برای ارایه ی یک تعریف صحیح از رنگ باید علاوه بر پدیده های فیزیکی و قوانین حاکم بر آن، نتیجه ی حاصل از این پدیده های فیزیکی که ذهنی می باشد را نیز در نظر گرفت . از دیدگاه فیزیکی ایجاد رنگ به ۳ عامل بستگی دارد که عبارتند از (۱: منبع نوری که جسم را روشن می کند . (۲ جسم که به وسیله منع نوری روشن می شود.

(۳ چشم و مغز که رنگ را دریافت می کند.

اگرچه بهترین دریافت کننده ای که می تواند رنگ را بسنجد و در مورد آن دریک لحظه قضاوت نماید چشم و مغز انسان می باشد، اما به جز چشم نور یاب های دیگری مانند فتو تیوپها و فتوسلها نیز در سنجش رنگ توسط دستگاه ها به کار می روند . جهت ایجاد رنگ های متفاوت، منبع نو ری باید علاوه بر انرژی مناسب، توزیع کافی در طیف مرئی بین ۳۸۰ تا ۷۶۰ نانومتر را داشته باشد و مشاهده کننده نیز از بینایی رنگی معمول و نرمالی برخوردار باشد. به علاوه محیط مشاهده نیز از فضای مناسبی برای تشخیص جسم برخوردار باشد.
در این پژوهش، امکان کاربرد پردازش تصویر در تشخیص کیفیت سطحی کاشی و سرامیک بررسی می شود. به این منظور تصویر کاشی یا سرامیک توسط دوربین دیجیتال وارد رایانه شده، پردازش تصویر جهت تبدیل فضای رنگ تصویر، تطبیق آن با تصویر مرجع و بررسی کیفیت ظاهری آن انجام می گیرد.
آزمایشات انجام شده نشان داده است که الگوریتم پیشنهادی قادر است در صورت تصویربرداری با تفکیک پذیری و نورپردازی مناسب، کیفیت سطح کاشی و سرامیک را با دقت بالایی تشخیص دهد . روش های مبتنی بر پردازش تصویر می تواند سبب افزایش دقت، صرفه جویی در وقت و هزینه در درجه بندی محصولات در انتهای خط تولید گردد.

کلید واژه ها :

پردازش تصویر – – MATLAB فضای رنگ -RGB فضای رنگ –high boost filtering -HSVآستانه گذاری تطبیقی

مقدمه

شبیه سازی با متلب: چشم به عنوان یکی از حیاتی ترین حسگرهای انسان نقش بسزا یی در زندگی ما دارد . امروزه با پ یشرفت چشمگریی که در ساخت پردازنده ها صورت گرفته است، این امکان نزی برای ما فراهم شده تا در ساخت روبات ها و سیستم های کنترلی از دوربین به عنوان یک چشم مصنوعی استفاده کنیم. پنج کاربرد عمده پردازش تصو ری را می توان رباتیک ، سیستم های دفاعی ، مهندسی پزشکی ، کنترل صنعتی و گرافیک کامپیوتری عنوان کرد. در سیستم های رباتیک معمولا از پردازش تصو ری برای هدایت ربات و تشخیص اشای استفاده م ی شود . در سیستم های دفاعی برای یافتن هدف و ایرهگریی یک هدف متحرک پردازش تصو ری یکی از قابل اعتمادتر ین روش های موجود می باشد.

در مورد کاربردهای گرافیکی نزی یکی از معروفترین نرم افزارهای مبتنی بر پردازش تصو ری فتوشاپ م ی باشد . تشخیص نوع بیمار ی نزی رایج ترین کاربرد پردازش تصاو ری پزشکی است. در نهایت ، امروزه خطوط تولید صنعتی برای کنترل کیفیت محصولات تولید شده و همچنین کنترل حرکات خط تول ید از سیستم ها ی مبتنی بر پردازش تصو ری بهره جسته اند . از جمله کاربرد های دیگر آن نزی می توان به تشخ یص پلاک ، اندازه گیری و کالیبراسیون، جداسازی پینها ی معیوب، بازرسی لیبل و خواندن بارکد، بازرسی عیوب چوب، بازرسی قرص، درجه بندی و دسته بندی کاشی، بازرسی میوه در خطوط تولید، بازرسی شماره چک و شمردن پول در سیستم بانکی، و … اشاره کرد.

از میان همه شاخه های هوش مصنوعی، شاید کاربردی ترین آن ها کامپیوتری و مکانیزه کردن سیستم های بینایی باشد. دامنه کاربرد این شاخه از فناوری در حال رشد، بسیار وسیع است و از کاربردهای عادی و معمولی مثل کنترل کیفیت خط تولید و نظارت ویدئویی گرفته تا تکنولوژیهای جدید مثل اتومبیل بدون راننده را در بر گرفته است.

با استفاده از تکنیک های پردازش تصو ری میتوان دگرگونی اساسی در خطوط تولید ایجاد کرد . بسیاری از پروسههای صنعتی که تا چند دهه پیش پیاده سازی شان دور از انتظار بود، هم اکنون با بهره گریی از پردازش هوشمند تصاو ری به مرحله عمل رسیده اند. از جمله منافع کاربرد پردازش تصو ری به شرح ز ری است:

• افزایش سرعت و کیفیت تولید
• کاهش ضایعات
• اصلاح روند تولید
• گسترش کنترل کیفیت

شبیه سازی با متلب: کنترل ماشین آلات و تجهیزات صنعتی یکی از وظایف مهم در فرآیندها ی تولیدی است . به کارگ ریی کنترل خودکار و اتوماسیون روزبه روز گسترده تر شده و رویکردهای جد دی با بهره گیری از تکنولوژ یها ی نو امکان رقابت در تولید را فراهم میسازد. لازمه افزایش کیفیت و کمیت یک محصول، استفاده از ماشین آلات پیشرفته و اتوماتیک میباشد. ماشین آلاتی که بیشتر مراحل کاری آنها به طور خودکار صورت گرفته و اتکای آن به عوامل انسانی کمتر باشد. امروزه استفاده از تکنولوژی ماشین بینا یی و تکنیک های پردازش تصو ری کاربرد گسترده ای در صنعت پیدا کردهاست و کاربرد آن بویژه در کنترل کیفیت محصولات تولیدی، هدایت روبات و مکانیزم های خود هدایت شونده روز به روز گسترده تر میشود.

عدم اطلاع کافی بعضی مهندسان در بعضی کشورها از تکنولوژی ماشین بینا یی و عدم آشنایی با توج هی اقتصادی به کارگریی آن موجب شده است که در استفاده از این تکنولوژی ترد دی و در بعضی مواقع واکنش منف ی وجود داشته باشد. علی رغم این موضوع، ماشین بینا یی روز به روز کاربرد بیشتری پیدا کرده و روند رشد آن چشمگ ری بودهاست. عملیات پردازش تصو ری در حقیقت مقایسه ی دو مجموعه عدد است که اگر تفاوت این دو مجموعه از یک محدوده خاص فراتر رود، از پذیرفتن محصول امتناع شده و در غ ری این صورت محصول پذیرفته میشود . در ز ری پروژههایی که در زمینه ی پردازش تصاو ری پیاده سازی شده است، توضیح داده م یشود . این پروژه ها با استفاده از پردازش تصویر، شمارش و اندازه گریی اشیا، دسته بندی اشیا، تشخیص عیوب مثل تشخیص ترک، و بسیاری عملیات دیگر را انجام میدهند.

-۲ درجه بندی کاشی و سرامیک

کنترل کیفیت در کارخانجات تولید کاشی و سرامیک بسیار سخت و حساس است و همراه با شرا یط مح یط صنعتی سخت همراه با سر و صدا، دمای بالا ی محیط و آلودگی است. کنترل کیفیت می تواند به شاخه ها ی اصلی آنالزی کیفیت رنگی، تغییرات ابعادی و بررسی عیوب سطحی تقسیم بندی می شود که هدف اصلی کار ما

می باشد. بررسی عیوب هنوز براساس نظر و رای اپراتورهای انسانی است و این درحالی است که اکثر فعایت های دیگر تولید در کارخانه به صورت اتوماتیک درآمده است. هدف ما بهبود کنترل کیفیت، با استفاده از مرحله کنترل تصو ریی از طریق پردازش تصو ری قبل از عملیات بسته بندی برای بهینه کردن یکسانی محصولات نها یی است.

×شکل-۱ خط تولید کاشی و سرامیک

پروسه تولید کاشی سرامیکی امروزه به غ ری از مرحله نهایی تولید که مربوط به بازرسی چشمیاست، کاملاً به صورت اتوماتیک درآمده است. لازم به ذکر است که بررسی عیوب در سطح کاشی های طرح دار مساله مهمی در بازرسی اتوماتیک صنعتی است و اخراًیتحقیقات زی ادی بر روی لوازم، تجهیزات و ماشین آلات مربوط به این کار انجام شده است.

انسان ها بدون اینکه نیاز به آموزش دیدن برای تشخیص عیوب داشته باشند م ی توانند ع یوب را تشخ یص بدهند. عیوب به صورت عدم یکسانی و هموژن بودن در نظم موجود در زمینه کاشی دیده می شود. دو مشخصه برای بررسی این کار وجود دارد، اول عیوب ساختاری را به صورت مناطقی تعریف می کند که به طور ناگهان ی نظم موجود در آنها به هم می خورد و ایثاناًیینکه از جهت گریی های اصلی آن، صورت انحراف پ یدا کرده است. در هر دو روش ما به حواس پنج گانه خود تکهی می کنیم و اینکه تاچه حد بتوانیم تنوع موجود در طرح و عیوب را تشخیص دهیم.

اگرچه رای و نظر انسان تحت تاثری دانسته های قبلی او و همچنین علاقه و انتظار او قرار دارد، ولی این موضوع مشکل اصلی در مبحث عیوب ساختاری نیست. در بسیاری از بررسی ها، به عنوان مثال بررسی لبه ها، وقوع تحول در سیستم به صورت تدریجی است و مشاهده عیوب موجود در بدنه به سادگی امکان پذ ری است ول ی بررسی و مونیتورینگ،عموماً کاری خسته کننده، ذهنی و با هزینه زیاد است و بستگی زیادی به تجربه دارد.

شبیه سازی با متلب: هدف از درجه بندی بررسی کیفیت سطح کاشی و جدا نمودن آنها از همدیگر بوسیله درجه بند ی کردن به درجات ۱ و۲ و ۳ و بالاتر ( درجه ۴ و ضایعات) میباشد .

نواقص سطح عبارتند از:

الف- انواع ترک ها ب- ترکهای مویی لعاب ج- نداشتن لعاب در بعضی قسمتها (نگرفتن لعاب ) د- ناصاف

بودن سطح- غ ری یکنواختی سطح ه- فرورفتگی و- انواع سوراخها ز- ذوب نشدن لعاب ح- وجود خال، لکه

ایهر گونه ضایعات اضافی سطحی ط- اشکالات ز ری لعاب ی- اشکالات چاپ و دکور ک- سا هی دار بودن ل-

لب پریدگی م- گوشه پریدگی

از نظر استاندارد کاشی ها را به درجات ۱، ۲ و ۳ میتوان تقسیم بندی نمود.

برای درجه بندی، بایستی کاشی ها را از فواصل تعیین شده و طبق معیارهای مشخص شده براساس استاندارد رؤیت نمود و سپس با توجه به موارد ز ری درجه کاشی را معین کرد.

-۱ کاشی درجه یک از فاصله یک متری نبایستی هیچیک از معایب ذکر شده از الف- م در آن مشاهده شود.( از ۳۳ کاشی در کارتن درجه یک، ۳۱ کاشی درجه یک و ۲ کاشی درجه ۲ مجاز است.)

-۲ کاشی درجه ۲ به کاشی اطلاق میگردد که حداکثر ۳ مورد از معایب یازده گانه ج تا م در فاصله یک متر ی روی سطح آن مشاهده گردد ولی همین معایب در فاصله ۲ متری قابل رؤیت نباشند.

بسته بندی های کاشی درجه ۲ میتوانند حداکثر تا ۵ درصد شامل کاشی های درجه ۳ نزی باشند ( از ۳۳ کاشی در کارتن درجه دو ۳۱ کاشی درجه ۲ و ۲ کاشی درجه ۳ مجاز است.)

-۳ کاشی درجه سه به کاشی اطلاق میگردد که حداکثر سه مورد از معایب یازده گانه ج تا م تا فاصله حداکثر دو متری روی سطح آن قابل مشاهده باشد.

بسته های کاشی درجه سه میتوانند حداکثر تا ۵ درصد شامل کاشی های خارج از درجه بند ی نیز باشند به شرطی که این کاشی ها دارای ترک خوردگی و ترک های مویی لعاب نباشند.

-۴ کاشی درجه چهار به کاشی اطلاق میگردد که مواردی از قبیل: لب پریدگی، گوشه پریدگی، اشکالات چاپ در سطح وسیع، لعاب خزیدگی در سطح وسیع و…… را در بر گیرد.

-۳ پردازش تصویر

امروزه با گسترش روزافزون روشهای مختلف اخذ اطلاعات گسسته مانند پویشگرها و دوربین های دیجیتالی، پردازش تصویر کاربرد فراوانی یافته است. تصاویر حاصله از این اطلاعات کم و بیش همراه مقداری نویز بوده و در مواردی نیز دارای مشکل محوشدگی مرزهای نمونه های داخل تصویر می باشند که موجب کاهش وضوح تصویر دریافتی می گردند. مجموعه عملیات و روش هایی که به منظور کاهش عیوب و افزایش کیفیت ظاهری تصویر مورد استفاده قرار می گیرد، پردازش تصویر نامیده می شود. اگر چه حوزه های کار با تصویر بسیار وسیع است ولی عموماً محدوده مورد توجه در چهار زمینه بهبود کیفیت ظاهری (Enhancement)، بازسازی تصاویر مختل شده (Restoration)، فشرده سازی و رمزگذاری تصویر (Compression and Coding) و درک تصویر توسط ماشین (Understanding) متمرکز می گردد.[۹]

بهبود تصاویر شامل روش هایی مثل استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آنها در محیط مقصد است . بینایی ماشین به روش هایی می پردازد که به کمک آن ها می توان معنی و محتوای تصویر را درک کرد تا از آن در کارهایی چون رباتیک بر محور تصاویر استفاده شود.

ماشین بینایی، تکنولوژی تهیه و آنالیز تصاویر یک صحنه واقعی به کمک کامپیوتر در راستای کسب اطلاعات یا کنترل یک پروسه است.

روش سنتی درجه بندی کاشی و سرامیک نادقیق و پرهزینه هستند. این عوامل سبب ایجاد انگیزه برای توسعه روشهای جانشین است که در زمان و هزینه کمتر و با دقت بیشتر درجه بندی محصولات کاشی و سرامیک در انتهای خط تولید را انجام دهد. پردازش تصویر یکی از این روشها است. کاربرد پردازش تصویر در تشخیص کیفیت ظاهری کالا در انتهای خط تولید، یکی از امیدبخش ترین موضوعات تحقیقاتی است.

-۴ مواد و روشها

-۱-۴ مرحله (۱ تصویر گیری

با استفاده از جعبه ابزار image acquition در MATLABمی توان تصاویر را مستقیماً و بصورت on-line وارد محیط نرم افزار نمود. [۸]

یک تصویر از لحظه ورود به سیستم پردازش تصویر تا تولید خروجی مراحل زیر را طی می کند :

پیش پردازش تصویر

اهداف این مرحله را می توان ارتقاء تصویر و حذف مؤلفه های غیرضروری از تصویر دانست. کلیه اعمالی که روی تصویر صورت می گیرند تا موجب تسهیل در روند اجرای فازهای بعدی گردد، مانند دوگانی کردن تصویر، حذف نویز، هموارسازی، نازکسازی و نظایر این ها. از مجموعه این پردازش ها، هدفهای زیر دنبال می شود :

– کاهش نویز
– نرمالیزه کردن داده ها
– فشرده سازی میزان اطلاعاتی که می بایست محفوظ بماند.
-۲-۴ مرحله (۲ تبدیل فضای رنگ تصویر

هدف یک مدل رنگ که (فضای رنگ یا سیستم رنگ نیز نامیده می شود) این است که مشخصه ی رنگها به طریق استاندارد و عموما پذیرفته شده را تسهیل نماید. یک فضای رنگ اساسا نوعی مشخصه سازی از یک سیستم مختصات ویک زیر فضای آن می باشدکه در ان هر رنگ توسط یک نقطه نمایش داده می شود . بیشتر مدلهای رنگ که امروزه استفاده می شوند به سمت سخت افزار (مانند آنچه برای صفحه نمایشگرها و چاپگرهای رنگی استفاده میشود) و یا کاربردهایی که در آنها دستکاری رنگ مورد نظر است بکار میروند (مانند تولید گرافیک های رنگی برای تصاویر متحرک). رنگ مهمترین خصوصیت تصویر است چرا که مشابه دید انسان اطلاعات اصلی تصویر را در بر دارد. در حقیقت تمام آنچه در تصویر وجود دارد، مؤلفه های رنگی است که در پیکسل های تصویر ذخیره شده است، بر این اساس که هر رنگ را می توان با ترکیب سه رنگ اصلی بازسازی کرد .[۱۱] در رایج ترین مدل رنگ گرافیک کامپیوتری، رنگ ها از ترکیب سه رنگ قرمز، سبز و آبی به وجود می آیند که در مجموع ۱۶ میلیون رنگ متفاوت توسط این سه مؤلفه ۸ بیتی می توان تولید کرد . این مدل رنگ در گرافیک کامپیوتری با نام RGB شناخته می شود. یک تصویر RGB متشکل از سه ماتریس است که مقادیر R، G و B تصویر رنگی را نگه می دارند. در کنار مدل رنگ RGB مدلهای دیگری همچون CMYK، HSI،

HSV و Grayscale نیز وجود دارد که هریک از آنها به روش متفاوتی به نمایش رنگ ها می پردازد . در این بین مدل رنگ Grayscale از اهمیت ویژه ای برخوردار است.[۸]

هنگام پردازش دیجیتال تصویر ، مدلهای سخت افزار گرا که در عمل بیشتر استفاده میشود ، مدلRGB (قرمز، سبز، آبی) برای صفحه نمایشگرهای رنگی و دسته ی وسیعی از دوربینهای ویدئویی رنگی، مدلهایCMY (فیروزه ای، سرخ، زرد) و CMYK (فیروزه ای ، سرخ، زرد، سیاه) برای چاپ رنگی ، و مدل HIS (فام، اشباع، شدت رنگ)که ارتباط نزدیکی به تفسیر و توصیف انسان از رنگ دارد. مدلHSI همچنین این مزیت را داردکه اطلاعات رنگ و سطح خاکستری را در یک تصویر جداسازی نماید، بطوریکه برای بسیاری از کاربردها مناسب می باشد.

– فضای رنگ HSV

علاوه بر این سیستم های RGBبا این حقیقت که چشم انسان نسبت به رنگهای اصلی قرمز ، سبز، آبی بسیار حساس است، مطابقت خوبی دارد. متاسفانه rgb و cmy و مدل های رنگ مشابه دیگربرای توصیف رنگها برحسب عباراتی که انسانها در تفسیر رنگ در عمل از آنها استفاده میکنند، مناسب نیستند. به عنوان مثال, یک شخص برای اشاره به رنگ اتومبیل ، درصد هریک از رنگهای اصلی که در ترکیب آنها ، آن رنگ را که ایجاد شده است بیان نمیکند . علاوه بر این ما در مورد تصاویر رنگی در مورداینکه چه تصویر سه گانه ی اولیه ای با هم ترکیب شده و این تصویر تکی را ساخته است نمی اندیشیم . زمانی که ما یک شی رنگی را مشاهده میکنیم آن را با فام ، اشباع و درخشندگی آن توصیف میکنیم . فام: صفتی از رنگ است که رنگ خالص را توصیف می کند(زرد، نارنجی ویا قرمزخالص) در حالیکه اشباع: اندازه ای از مقدار رنگ خالص را توصیف میکند که توسط نور سفید رقیق شده است. و درخشندگی یک توصیف گر خصوصی و سلیقه ای که درر عمل اندازه گیری آن ممکن نیست ویکی از مهمترین عوامل در توصیف حس رنگ و درک است HSI در این تصویر رنگی ، مولفه های شدت روشنایی را از اطلاعات حامل رنگ (فام، اشباع) جدا میسازد. این مدل، ابزاری ایده آل برای پیاده سازی الگوریتم های پردازش تصویر است که مبنای آنها توصیفات رنگی است که برای انسان، طبیعی و قابل درک باشد; زیرا در نهایت خود انسان توسعه دهنده و استفاده کننده از این الگوریتم هاست. همان طور که گفته شده مدل رنگ را می توان براساس شکل ۳بعدی با ۳متغییر در۳ محور ، تجسم بخشید. اگراین۳متغییر با ۳محور (x,y,z) همان رنگمایه (hue)، اشباع((saturation و روشنایی((lightnessباشد، مدلی یا فضای رنگی ایجاد می شود که به اختصار HSI گویند.این مدل به شکل استوانه ای است که از پایین به بالا ،روشنایی را واز داخل به بیرون ، شدت رنگ را نشان می دهد . چرخش به دور آن نیز، نمایش رنگ مایه است. مدل دیگرکه کاملا بااین مدل منطبق است. مدلHSV است که در آن، ارزش (value) به جای روشنایی نشسته است.

از فضای رنگی مختلف استفاده می کنیم چون این امکان در آن فضای رنگی به ما داده میشه تا بتوینم رنگ دلخواه مان را به راحتی از محدوده دیگر رنگ ها جدا کنیم .فرض کنید که شما قصد دارید رنگ سبز را در تصویر فیلتر نمایید این بازه شامل طیفی می باشد که یک سمت آن سبز تیره و در سمت دیگر آن سبز روشن می باشد برای جدا کردن آن در فضای رنگی RGB این امکان وجود ندارد که شما بتوان به صورت خطی یعنی هر کانال با یک شرط بازه رنگ دلخواه را انتخاب نمائید پس به خاطر چنین مشکلاتی تصویر را به فضای رنگی HSVانتقال می دهیم که این فضا از اجزای Hue (رنگدانه) ، Saturation (اشباع) وValue (روشنایی) تشکیل شده است.

خروجی متلب: