Gráfico de control superior tipo CUSUM basado en cuantiles para la detección de pequeños cambios en los datos de la imagen | JoVE Visualize

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.