Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

An Automated Fabric Fault Detection and Classification System Based on Computer Vision and Soft Computing

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24410%2F13%3A%230003701" target="_blank" >RIV/46747885:24410/13:#0003701 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://acc-ern.tul.cz/images/journal/sbornik/ACC-Journal_1-2013.pdf" target="_blank" >http://acc-ern.tul.cz/images/journal/sbornik/ACC-Journal_1-2013.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    An Automated Fabric Fault Detection and Classification System Based on Computer Vision and Soft Computing

  • Popis výsledku v původním jazyce

    Fabric inspection is one of the essential quality control processes in weaving mills. The automation of this process using computer vision systems is expected to increase the efficiency of the process and increase the total profit revenues on the long run. This work introduces a computer vision system that has the capability to detect and classify a relatively large number of fabric defects. Image enhancement techniques were used in processing the fabric acquired images. Spatial and spectral features were extracted from the processed images and used as inputs to soft-computing classifiers. Two approaches were used in the classification with the aim of reducing the calculation time required during the image analysis. The successful classification rate was 97.3% using the direct approach that has a slightly longer processing time. The performance of the classifiers in the series approach ranges between 91 to 100% depending on the classification level and the used image features. Results

  • Název v anglickém jazyce

    An Automated Fabric Fault Detection and Classification System Based on Computer Vision and Soft Computing

  • Popis výsledku anglicky

    Fabric inspection is one of the essential quality control processes in weaving mills. The automation of this process using computer vision systems is expected to increase the efficiency of the process and increase the total profit revenues on the long run. This work introduces a computer vision system that has the capability to detect and classify a relatively large number of fabric defects. Image enhancement techniques were used in processing the fabric acquired images. Spatial and spectral features were extracted from the processed images and used as inputs to soft-computing classifiers. Two approaches were used in the classification with the aim of reducing the calculation time required during the image analysis. The successful classification rate was 97.3% using the direct approach that has a slightly longer processing time. The performance of the classifiers in the series approach ranges between 91 to 100% depending on the classification level and the used image features. Results

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    JS - Řízení spolehlivosti a kvality, zkušebnictví

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2013

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    ACC Journal

  • ISSN

    1803-9782

  • e-ISSN

  • Svazek periodika

    19

  • Číslo periodika v rámci svazku

    A

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    8

  • Strana od-do

    16-24

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus