عنوان المقالة:دراسة استقصائية للطرق القائمة على الرؤية للكشف عن عيوب السطح وتصنيفها في المنتجات الفولاذية A survey of vision-based methods for surface defects detection and classification in steel products
علاءالدين محمد سليمان إبراهيم | Alaa Aldein Mohamed Suliman Ibrahim | 7313
- نوع النشر
- مجلة علمية
- المؤلفون بالعربي
- علاء الدين محمد سليمان إبراهيم و جوليس رايموند تابامو
- المؤلفون بالإنجليزي
- Ibrahim, Alaa Aldein MS and Tapamo, Jules-Raymond
- الملخص العربي
- في ظل المنافسة التي يشهدها مجال إنتاج شرائح الصلب، يعد ضمان الجودة العالية للأسطح الفولاذية أمرًا بالغ الأهمية. تقليديًا، كان الفحص البصري البشري هو الطريقة الأساسية للكشف عن العيوب، لكنه يعاني من قيود مثل الموثوقية والتكلفة ووقت المعالجة والدقة. وقد تم تقديم تقنيات الفحص البصري، وخاصة تقنيات الأتمتة، لمعالجة هذه العيوب. تجري هذه الورقة مسحًا شاملاً لفحص منهجيات تعتمد على الرؤية تتعلق باكتشاف وتصنيف عيوب السطح في المنتجات الفولاذية. تشمل هذه المنهجيات الأساليب الإحصائية والطيفية وتقسيم الملمس والأساليب التي تعتمد على التعلم الآلي. علاوة على ذلك، تتم مناقشة خوارزميات التصنيف المختلفة، المصنفة إلى تقنيات خاضعة للإشراف وشبه خاضعة للإشراف وغير خاضعة للإشراف. بالإضافة إلى ذلك، تحدد الورقة الاتجاه المستقبلي لتركيز البحث.
- الملخص الانجليزي
- In the competitive landscape of steel-strip production, ensuring the high quality of steel surfaces is paramount. Traditionally, human visual inspection has been the primary method for detecting defects, but it suffers from limitations such as reliability, cost, processing time, and accuracy. Visual inspection technologies, particularly automation techniques, have been introduced to address these shortcomings. This paper conducts a thorough survey examining vision-based methodologies related to detecting and classifying surface defects on steel products. These methodologies encompass statistical, spectral, texture segmentation based methods, and machine learning-driven approaches. Furthermore, various classification algorithms, categorized into supervised, semi-supervised, and unsupervised techniques, are discussed. Additionally, the paper outlines the future direction of research focus.
- تاريخ النشر
- 23/04/2024
- الناشر
- MDPI
- رقم المجلد
- 11
- رقم العدد
- 2
- رابط DOI
- https://doi.org/10.3390/informatics11020025
- الصفحات
- 25
- رابط الملف
- تحميل (0 مرات التحميل)
- رابط خارجي
- https://scholar.google.com/citations?user=ZjBkCboAAAAJ&hl=en
- الكلمات المفتاحية
- defect detection; defect classification; deep learning; image acquisition; quality control