Gráfico de control superior tipo CUSUM basado en cuantiles para la detección de pequeños cambios en los datos de la...

Área de la Ciencia:

• Control estadístico de los procesos
• Análisis de imágenes
• Visión por computadora

Sus antecedentes:

• Las tablas de control de monitoreo de imágenes tradicionales luchan por detectar cambios sutiles en regiones de imágenes pequeñas, especialmente con ruido o cerca de los bordes de los objetos.
• Las pequeñas variaciones de intensidad en las imágenes, comunes en la fabricación y el diagnóstico, a menudo evaden la detección por métodos convencionales.
• La inspección visual humana es insuficiente para identificar pequeñas alteraciones en las imágenes industriales o médicas.

Objetivo del estudio:

• Desarrollar un gráfico de control avanzado tipo CUSUM para un control en línea eficaz de las imágenes en escala de grises.
• Mejorar las capacidades de detección de cambios pequeños y localizados en los datos de la imagen.
• Proporcionar una solución robusta para el monitoreo de imágenes que funcione bien en condiciones ruidosas.

Principales métodos:

• Se propuso un cuadro de control tipo suma acumulada (CUSUM) adaptado para el monitoreo de imágenes en escala de grises.
• Se utilizaron cuantiles superiores de las estadísticas locales de CUSUM para adaptar la sensibilidad de detección a diferentes magnitudes de cambio.
• Integró una nueva técnica de suavizado de imágenes de preservación de saltos para mitigar los efectos de ruido y preservar las características críticas de la imagen.

Principales resultados:

• El cuadro de control propuesto demuestra un rendimiento superior en la detección de pequeños cambios regionales en comparación con los métodos tradicionales.
• La capacidad efectiva de manejo del ruido garantiza un monitoreo confiable incluso con un ruido de imagen bajo a moderado.
• Las comparaciones numéricas validan la mayor sensibilidad y precisión de la nueva técnica de monitoreo.

Conclusiones:

• El gráfico de control de tipo CUSUM desarrollado ofrece un avance significativo para el monitoreo de imágenes en escala de grises en línea.
• Su capacidad para detectar cambios sutiles y manejar el ruido lo hace valioso para aplicaciones en fabricación, diagnósticos médicos e imágenes satelitales.
• El método propuesto proporciona una herramienta sólida y eficaz para los investigadores y profesionales en el análisis de imágenes y el control de calidad.