2009 Fiscal Year Annual Research Report
競合学習法に基づく布地表面視検査の自動化に関する研究
Project/Area Number |
07F07367
|
Research Institution | Tokyo Institute of Technology |
Principal Investigator |
長橋 宏 Tokyo Institute of Technology, 大学院・理工学研究科, 教授
|
Co-Investigator(Kenkyū-buntansha) |
ISSA Khaled 東京工業大学, 大学院・理工学研究科, 外国人特別研究員
|
Keywords | 布地画像 / 欠陥検出 / ガボールウエーブレット変換 / ガボールフィルタバンク / 教師無し学習 / 分散解析 |
Research Abstract |
本課題では、紡織の工程で発生する布の製造欠陥や汚れなど、糸から布までの製造工程全般にわたる欠陥の検出を行うシステムの構築を目的としている。 本年度は、昨年度に引き続き、与えられた布画像に対してガボールフィルタバンクから出力されるウエーブレット変換画像群に注目し、それらの画像の中で統計的に最も性質が異なる特徴を抽出する方法ANOVA(ANalysis Of VAriance)を更に改善すべく検討を行った。ガボールフィルタがテクスチャ解析において有効な特徴抽出手段であることはよく知られているが、そのパラメータ設定が対象に依存する。そこで、本年度はガボールフィルタのパラメータの最適化を行うべく、欠陥検出結果のパラメータ依存性を調べ、最も良い結果を引き出すパラメータの選択を行った。そして、ANOVA法に基づいて最適なガボールフィルタ(OGF)を構成した。さらに、このOGFの出力を2値化することで、布画像データベースTILDAに収容されている汚れや折れ、穴抜けなど、種類の異なる欠陥画像に対して検出実験を行った。従来手法では、これらの欠陥の種類毎の対応が行われるが、本手法では、ガボールフィルタのパラメータ決定後の処理は、いわゆる教師なし学習の一種であり、布の欠陥や汚れを明示的に与える必要がないため、布検査に関する特別な経験や知識を要しないことも特徴の1つである。 評価実験を行った結果、従来手法と比較して、欠陥検出の精度向上を確認することができた。
|
Research Products
(1 results)