Розробка комп'ютеризованої системи розпізнавання образів у текстильній промисловості

Abstract

Розробка комп’ютеризованої системи для автоматичного розпізнавання дефектів у текстильній промисловості. Проведено аналіз сучасних методів обробки зображень та алгоритмів машинного навчання, які можуть бути використані для виявлення дефектів тканини. Запропоновано архітектуру системи, яка включає нейронні мережі (CNN, YOLO) для класифікації дефектів, а також методи попередньої обробки зображень (HOG, LBP). Реалізована модель забезпечує високу точність аналізу тканини в реальному часі, що дозволяє зменшити рівень браку та підвищити якість продукції. Проведено фінансовий аналіз впровадження системи, який показав, що річна економія становить $204,000, а період окупності – 1.5 місяці.

Development of a computerized system for automatic defect detection in the textile industry. The research analyzes modern image processing methods and machine learning algorithms applicable for fabric defect detection. The proposed system architecture incorporates convolutional neural networks (CNN, YOLO) for defect classification, along with preprocessing methods (HOG, LBP). The implemented model ensures high accuracy in real-time fabric analysis, reducing production defects and improving product quality. A financial analysis of the system implementation indicates an annual saving of $204,000, with a payback period of 1.5 months.