Investigación sobre la detección en tiempo real de defectos de tejidos basada en un algoritmo de calificación Elo...

Área de la Ciencia:

• Ciencias de los materiales
• Visión por computadora
• Inteligencia artificial

Sus antecedentes:

• Los defectos texturizados complejos plantean desafíos para los métodos de detección tradicionales.
• La detección en tiempo real es crucial para la eficiencia de la fabricación industrial.

Objetivo del estudio:

• Mejorar la eficiencia de la detección de defectos complejos de tejido texturizado.
• Para satisfacer las demandas de detección industrial en tiempo real.

Principales métodos:

• Refinamiento del algoritmo de calificación Elo tradicional, centrado en el cálculo y la detección de umbrales.
• Incorporación de imágenes integrales para reducir la carga computacional y aumentar la velocidad.
• Aplicación del algoritmo a tres tipos de muestras de tejido para la detección de defectos.

Principales resultados:

• Se ha conseguido una precisión de detección global superior al 80% para los defectos de tejido.
• El análisis de parámetros identificó un recuento óptimo de subregiones (R) entre 10 y 30.
• Superó a otros cinco modelos de detección de objetos en precisión media (mAP) y cuadros por segundo (FPS), logrando 102.1 FPS.

Conclusiones:

• El algoritmo de calificación Elo mejorado detecta efectivamente defectos complejos de tejido texturizado.
• El algoritmo cumple con los requisitos industriales para la detección en tiempo real con alta precisión y velocidad.