Виявлення дефектів на поверхнях матеріалів за розподіленими та інваріантними ознаками інтенсивності зображень

Abstract

Магістерська кваліфікаційна робота присвячена актуальному завданню автоматизованого виявлення дефектів на поверхнях металевих матеріалів. У роботі проведено аналіз існуючих підходів та методів комп’ютерного зору для виявлення дефектів, визначено їх переваги та недоліки. Запропоновано новий підхід, що ґрунтується на статистичних методах аналізу зображень, а саме використанні кумулятивних гістограм. Розроблено прототип програмної системи на мові програмування C# з використанням технології Windows Forms, яка дозволяє ефективно реалізувати запропонований метод та здійснювати його експериментальну перевірку. Проведено детальне дослідження ефективності роботи запропонованого алгоритму на зображеннях різних розмірів та складності, виявлено оптимальні параметри його роботи. Результати тестування показали високу точність виявлення дефектів (до 98% на зображеннях малого розміру та до 86% на великих зображеннях), а також хорошу здатність алгоритму до масштабування завдяки ефективному розпаралеленню. Отримані результати підтверджують перспективність застосування розробленого підходу у промисловості, що дозволить підвищити якість контролю матеріалів та знизити витрати, пов’язані з людським фактором.

The master's thesis is dedicated to the pressing issue of automated defect detection on metal surfaces. The work undertakes a comprehensive analysis of existing approaches and methods of computer vision for defect detection. It identifies the advantages and disadvantages of these methods and provides a detailed evaluation of their effectiveness. A novel approach is proposed, which is based on statistical image analysis methods, specifically the utilization of cumulative histograms. A prototype of a software system in the C# programming language using Windows Forms technology has been developed, which allows for the effective implementation of the proposed method and its experimental verification. A comprehensive investigation was conducted into the efficacy of the proposed algorithm on images of varying dimensions and intricacy, leading to the identification of its optimal operational parameters. The experimental findings demonstrated the efficacy of the defect detection algorithm, with a high accuracy of up to 98% for small images and up to 86% for large images. The scalability of the algorithm was also examined, and it was found to be efficient due to its parallelization. The outcomes substantiate the viability of implementing the developed approach in industrial settings, which is poised to enhance the efficacy of material inspection and curtail expenditures stemming from the human factor.