مقاله درجه بندی خودکار کاشی با استفاده از  پردازش تصویر فازی مربوطه  به صورت فایل ورد  word و قابل ویرایش می باشد و دارای ۹۸  صفحه است . بلافاصله بعد از پرداخت و خرید لینک دنلود مقاله درجه بندی خودکار کاشی با استفاده از  پردازش تصویر فازی نمایش داده می شود، علاوه بر آن لینک مقاله مربوطه به ایمیل شما نیز ارسال می گردد

فهرست مطالب

چکیده ۱
مقدمه ۲
۱- فصل اول: معرفی عیوب کاشی ها و برخی الگوریتمهای آشکارسازی عیوب ۸
۱-۱- معرفی عیوب گوناگون در فرایند تولید کاشی ها ۸
۱-۱-۱- کاشیهای سرامیکی ۸
۱-۱-۲- عوامل موثر بر درجه بندی ۹
۱-۱-۳- دسته بندی عیوب ۱۰
۱-۱-۳-۱- عیوب مربوط به انسجام بدنه ۱۲
۱-۱-۳-۲- عیوب مربوط به شکل ۱۲
۱-۱-۳-۳- عیوب مربوط به زیبایی( هنری ) ۱۳
۱-۲- معرفی برخی از الگوریتمهای آشکار سازی عیوب کاشیها ۱۴
۱-۲-۱- مقدمه ۱۴
۱-۲-۲- روش رنگی – ساختاری برای آشکار سازی عیوب ۱۵
۱-۲-۲-۱- تقسیم بندی رنگی ۱۶
۱-۲-۲-۱-۱- خوشه بندی اولیه ۱۷
۱-۲-۲-۱-۲- ترکیب ادراکی ۱۸
۱-۲-۲-۲- هموار سازی مورفولوژیکی ۲۰
۱-۲-۲-۳- تحلیل ساختاری بافت ۲۱
۱-۲-۲-۴- شناسائی عیوب ۲۳
۱-۲-۳- الگوریتمی بر پایه شکل توسعه یافته فیلتر LOG برای آشکار سازی عیوب تیز کاشی ها ۲۶
۱-۲-۳-۱- مقدمه ۲۶
۱-۲-۳-۲- فیلتر LOG توسعه یافته ۲۷
۱-۲-۳-۳- الگوریتم ارائه شده ۳۰
۱-۲-۳-۴- آشارسازی عیب انواع کاشی ۳۰
۱-۲-۴- نتیجه گیری ۳۳
۲- فصل دوم: پردازش تصویرفازی ۳۴
۲-۱- مقدمه ۳۴
۲-۱-۱- چرا فازی؟ ۳۴
۲-۱-۲- سیستم های فازی چگونه سیستم هایی هستند؟ ۳۵
۲-۱-۳- ریاضیات سیستم های فازی ۳۷
۲-۱-۳-۱- مجموعه های کلاسیک تا مجموعه های فازی ۳۷
۲-۱-۳-۲- عملیات بر روی مجموعه های فازی ۳۸
۲-۲- پردازش تصویر فازی ۴۰
۲-۲-۱- تئوری مجموعه های فازی چیست ؟ ۴۰
۲-۲-۲- پردازش تصویر فازی یعنی چه ؟ ۴۰
۲-۲-۳- چرا پردازش تصویر فازی ؟ ۴۱
۲-۲-۴- تئوری پردازش تصویر فازی ۴۳
۲-۲-۵- تعریف فازی یک تصویر ۴۴
۲-۲-۶- علم هندسه فازی ۴۴
۲-۲-۷ واحدهای اندازه گیری فازی سازی و اطلاعات تصویر ۴۵
۲-۳- پردازش تصویر مورفولوژیکی با استفاده از تئوری فازی ۴۸
۲-۳-۱- مقدمه ۴۸
۲-۳-۲- مورفولوژی ریاضی ۴۹
۲-۳-۳- آلفا – مورفولوژی ۵۲
۲-۳-۴- مورفولوژی Sinha و Dougherty 54
۲-۴- نتیجه گیری ۵۵
۳- فصل سوم: تبدیل تصویر به فازی و استفاده از آن جهت درجه بندی کاشی ۵۶
۳-۱- مقدمه ۵۶
۳-۱-۱- انواع عیب در کاشی ها ۵۷
۳-۱-۲- مقایسه تصویر کاشی بدون تبدیل به فازی ۵۹
۳-۲- الگوریتم ارائه شده ۶۱
۳-۲-۱- مرحله اول، بلاک بندی تصویر ۶۱
۳-۲-۲- مرحله دوم، فازی سازی تصویر ۶۲
۳-۲-۳- مرحله سوم، محاسبه تفاوت ۶۳
۳-۲-۴- مرحله چهارم، درجه بندی ۶۳
۳-۳- نتیجه گیری ۶۵
۴- فصل چهارم: تشخیص عیوب تیز کاشی با استفاده از مورفولوژی فازی ۶۶
۴-۱- مقدمه ۶۶
۴-۲- الگوریتم پیشنهادی ۶۷
۴-۲-۱- ساخت فیلتر مناسب ۶۸
۴-۲-۲- بهینه سازی ماسک توسط الگوریتم ژنتیک ۶۹
۴-۲-۳- مرحله پایانی ۷۲
۴-۳- نتیجه گیری نهایی ۷۲
۵- فصل پنجم: نتایج و پیشنهادات ۷۶
۵-۱- نتایج ۷۶
۵-۲- پیشنهادات ۷۷
پیوست: الگوریتم ژنتیک ۷۸
مراجع ۸۷

مراجع

[۱] Vincent Lebrun,” Quality control of ceramic Tiles by Machine Vision”, Surface Inspection 1td. FLAWMASTER, Automatic Tile Inspection System, Retrived From The World Wide Web, July 2004. WWW.Surface- inspection.com

[۲]  MASSEN GmbH, CERAVISION-Optical checking system for tiles, July 2004,

[۳] MEDAV Dig. Sig. GmbH, TEGULA-CONROL, “Fully Automated Quality Control System For Roofing Tiles” Retrived From The World Wid Web, July 2004,

[۴] هاشمی زنو. س، سرپولکی. ح، فرایند تولید کاشی و سرامیک (SACMI)، دانشگاه علم و صنعت ایران، ۱۳۸۲

[۵] C.Boukovalas, F.D.Natale, G.D.Toni, J.Kittler, R.Marik, M.Mirmehdi, M.Petrou, P.Leroy,  R.Salgari and G.Vernazza, “ASSIST: Automatic System for Surface Inspection and Sorting of Tiles”, published by:University of Bristol UK, Journal of Materials Processing Technology,Vol 82(1-3): pp.179-188, OCT 1998.

[۶] Mahkameh S. Mostafavi,”A New Method in Detection of Ceramic Tiles Color Defects using Genetic C-Means Algorithm”, ISSN 1307-6884,Vol.17, 2006

[۷] K.Y. Song, M. Petron, J. Kitter, “Wigner based Crack Detection in Textured Images”, In Fourth IEE International Conference on Image Processing and its Applications, pp.315-318, Apr 1992.

[۸] D. Corso, R. Fioravanti, S. Fioravanti, “Morphological Analyse of Texture image for Identufication of Thin Structures” International Conference on Acoustics, Speech, and Signal Processing 1995,. ICASSP-95.,
Volume 4, Issue , Page(s):2359 – ۲۳۶۲, ۹-۱۲ May 1995.

[۹] C.Boukouvalas, J.Kittler, R.Marik, M.Mirmehdi, M.Petrou,”Ceramic tile inspection for colour and structural defects”, university of Genova, Proceedings of AMPT95, pp.390-399,1995.

[۱۰] J. Kittler, R. Mark, M. Mirmehdi, M. petrou, K.Y. Song,“Detection of Defects in color Textured Surfaces”, In: IAPR proe. Of Machine Vision Applications 94,  pages: 558-567, December 1994.

[۱۱] Gonzales C. Rafael, Woods E. Richard, “Digital Image Processing”, Second Edition, Prentice Hall Publications, pp.519-560, 1998.

[۱۲] M. Saadatmand-T., M. Khademi,”A new ceramic tile sharp defect detection algorithm based on LoG filter”, 11th Iranian Conf. on Electrical Engineering(ICEE’2003), Vol. 2, May  ۲۰۰۳٫

[۱۳] G.S. Desoli, S. Fioravanti, R. Fioravanti, D. Corso, “A System for Automated Visual Inspection of Ceramic Tiles”, IEEE, 1993.

[۱۴] C. Boukouvalas, F. D. Natale, G. D. Toni, J. Kittler, R. Marik, M. Mirmehdi, M. Petrou, P. L. Roy, R. Salgari, G. Vernazza, “An Integrated System for Quality Inspection of Tiles”, Int. Conference on Quality Control by Artificial Vision, QCAV, Vol. 97, pp. 49-54. 1997.

[۱۵] وانگ. لی، تشنه لب. م، صفارپور. ن، افیونی. د، سیستم‌های فازی و کنترل فازی، انتشارات دانشگاه صنعتی خواجه نصیرالدین طوسی، ۱۳۸۵.

[۱۶] H.Tizhoosh, “Homepage of Fuzzy Image Processing”, University of Waterloo, Canada, June 1997, Webpage Retrieved From

[۱۷] Gonzales C. Rafael, Woods E. Richard, “Digital Image Processing”, ۱۹۹۸, Second Edition, Prentice Hall Publications, pp.519-560

[۱۸] Alper PAHSA ” MorphologIcal Image Processing wIth Fuzzy LogIc” , Ankara University, Computer Eng. Dept. JOURNAL OF AERONAUTICS AND SPACE TECHNOLOGIES, VOLUME 2 NUMBER 3,  pp:27-34, JANUARY 2006.

[۱۹] Burillo P., Frago N.,  Fuentes R. “Fuzzy Morphological Operators in Image Processing”, Mathware and Soft Computing, vol 10, pp: 85-100, 2003.

[۲۰] D. Whitley, “A genetic algorithm tutorial,” Statistics and Computer, 4: 65-85, 1994.

[۲۱] D. Whitley, “The GENITOR algorithm and selective pressure,” Proc. 3th International Conference on Genetic Algorithms, ed. Morgan-Kaufmann, pp: 116-121, 1989.

چکیده

برای تولید کنندگان موادِ با ارزشِ بالا، مانند کاشی‌های سرامیکی، نصب سیستم های کنترل کیفیت خودکار و قابل اطمینان در درجه اهمیت قرار دارد. رعایت این مسئله نه تنها باعث کاهش هزینه‌‌های تولید می‌گردد، بلکه اعتماد و رضایت مشتری را نیز جلب می‌کند. می‌‌توان گفت تصویر برداری دیجیتال همراه با تحلیل‌‌های تصویری، آینده‌‌ای درخشان را برای بازرسی اتوماتیک رقم خواهند زد، چرا که این دو، تنها پاسخ های تکنیکی به مشکلات کنترل کیفیت بصری می‌باشند. با توجه به نتیجه‌ای که شرح کامل آن در فصل سوم آمده است می‌توان گفت که برای درجه‌بندی کاشی‌ها نمی‌توان از اختلاف پیکسل به پیکسل تصاویر کاشیِ معیوب و مرجع استفاده کرد. لذا جهت درجه‌بندی باید بتوانیم ابتدا انواع عیب موجود در کاشی را تشخیص داده و با توجه به میزان عیب، کاشی را درجه‌بندی کنیم. در زمان تولید، عیوب مختلفی بر روی کاشی به وجود می‌آید که مهمترین آنها را می‌توان ترکها و خالها، سوراخها، لب پریدگی ها، خش ها، عیوب رنگی و بافتی و غیره نام برد. تا بحال الگوریتم های مختلفی جهت تشخیص این عیوب مطرح شده‌اند که خلاصه تعدادی از این الگوریتمها در فصل اول خواهد آمد. الگوریتمهایی که به مثالهایی از آنها اشاره خواهد شد هر کدام نوعی از عیب را تشخیص می‌دهند. برخی از این الگوریتمها برای انواع کاشی‌ها (از نظر طرح و رنگ) کاربرد دارند اما از سرعت قابل قبولی برخوردار نیستند، در مقابل الگوریتمهایی که سرعت خوبی دارند برای انواع کاشی‌های ساده و طرح دار به خوبی کار نمی‌کنند. در این پایان نامه یکی از انواع عیوبی که بیشترین خرابی را در کاشیها به وجود می‌آورد، یعنی عیوب تیز شامل ترکها و خالها بررسی خواهد شد. این نوع عیوب در تصویر ساختارهایی با عرض کم و کنتراست بالا به وجود می‌آورند. یکی از روشهایی که می‌توان با استفاده ا ز آن، این نوع ساختارها را در یک تصویر آشکار سازی کرد، استفاده از عملگرهای مورفولوژی می‌باشد. همچنین استفاده از منطق فازی در پردازش تصویر باعث افزایش قدرت و دقت در کار شده است. لذا دراین تحقیق از عملگرهای مورفولوژی فازی جهت تشخیص عیوب تیز کاشی‌ها بهره می‌گیریم. همچنین از الگوریتم ژنتیک جهت بهینه سازی ماسک مورد نیازِ این عملگرها استفاده خواهیم کرد. نتایج آزمایشات نشان می‌دهد که روش ارائه شده به دلیل قدرت و دقتی که در پردازش تصویر دارد برای انواع کاشی‌های ساده و طرح دار مناسب بوده و ازسرعت و دقت نسبتاً خوبی برخوردار است.

مقدمه

بازرسی مواد و محصولات، اغلب در صنایع تولیدی از اهمیت بالایی برخوردار می‌باشد. از این نوع بازرسی جهت مشخص کردن و دسته بندی کردن مواد خام، کنترل کردن پروسه تولید، و نیز برای تعیین کیفیت محصولات نهایی و یا نیمه نهایی استفاده می‌شود کاربردهای شاخص بازرسی بصری شامل قطعات تولید شده از نظر ابعاد و نیز وضعیت سطوح آنها، کیفیت چاپ برروی برچسب ها، میزان خوردگی ابزارآلات ماشینکاری، برد مدارهای چاپی، به عنوان محل قرار گرفتن المانهای مختلف و همچنین بررسی کیفیت محصولات غذایی مانند ماهی، ماکیان، طیور، برنج، غلات، دانه قهوه و حتی تشخیص عیوب کاشی، کاغذ، فولاد، پارچه، چوب و سطوح سرامیکی وغیره می‌باشد.

برخلاف وجود اتوماسیون قوی در خطوط تولید، عمل بازبینی نهایی، اغلب بر عهده اپراتور خواهد بود و در این زمینه به بازرسی چشمی اکتفا می‌شود. کندی نسبی موجود در پروسه اتوماسیون تا حدودی به فقدان انعطاف پذیری استراتژی های طراحی موجود، فقدان روشهای تشخیص قابل اجرا و نیز نبود مطالعات کافی در این زمینه، مربوط می‌شود. ولی می‌توان گفت مهمترین مشکل بر سر راه پیشرفت سیستم ماشین بنیانی، انتقال و تبدیل ادراک و آگاهی انسان به عملکردهای منطقی و مداومی است که در این سیستم باید وجود داشته باشد. به عنوان مثال قابلیت وتوانایی مغز انسان جهت تحمل و برخورد با شرایط غیر منتظره را به سختی می‌توان در داخل یک سیستم بازرسی خودکار، شبیه سازی کرد. با این وجود، بینایی در مقایسه با بازرسی چشمی که انسان انجام می‌دهد، برتری هایی نیز دارد. مثلاً یک سیستم بازرسی خودکار می‌تواند به صورت مداوم و خستگی ناپذیر کار کند. بعلاوه می‌تواند ارزیابی کیفی ثابت و مشخصی را به همراه اندازه گیری های دقیق از محصولات تولیدشده به عمل آورد. در این سیستم، مشکلاتی مانند تغییرات ایجاد شده در مراقبت های یک اپراتور و نیز تفاوت تشخیص دو اپراتور مختلف از میزان عیوب در کیفیت بازرسی، وارد می‌شود. بعلاوه سنسورهای الکترونیکی، در بسیاری از موارد از چشم انسان بسیار قوی تر و دقیق تر عمل خواهد کرد. وجود این سنسورها در سیستم بازرسی به ما این امکان را می‌دهد که بتوانیم محصولاتی را که با سرعت بالاتری در حال حرکت هستند، بازرسی کرده و یا بتوانیم عیوبی را که برای یک چشم غیر مسلح بسیار ظریف و کوچک هستند، تشخیص دهیم. برای برخی از فعالیت‌ها نظیر شمارش اشیاء، ارزیابی مقایسه‌ای بین سطوح، اندازه گیری مسافت‌ها و غیره، مسلماً یک کامپیوتر می‌تواند نتایج کمّی دقیق تر و مطمئن تری را نسبت به مغز انسان به دست دهد. در یک محیط خودکار می‌توان تنوع بیشتری را از عملیاتی که به صورت همزمان انجام می‌شوند، نسبت به محیطی که اپراتور در آن کار می‌کند، فراهم کرد[۱].

فایده استفاده از سیستم خودکار بازرسی بصری، تنها به کاهش هزینه‌ها و مخارج تمام شده، محدود نمی‌شود. گسترش کیفیت محصولات بر مبنای تلرانس های کمّی و قابل مشاهده، باعث احساس رضایت و اعتماد در مشتریان می‌شود. کنترل کیفیت خودکار در خطوط تولید امکان دردسترس بودن کلیه ابزار و تولید در بالادست[۱] و سیستم های بسته بندی در پایین دست[۲] را برای اپراتور فراهم می‌کند[۱].

بازرسی بصری خودکار کاشی‌های سرامیکی

به منظور اصلاح یکسان سازی دسته‌ها و گروه هایی که نهایتاً توسط استفاده کنندگان نهایی دریافت می‌شوند و نیز به جهت جستجوی عیوب تولید، اغلب خطوط تولید کاشی‌های سرامیکی باید به یک سیستم کنترل بصری، درست پیش از عمل بسته بندی های کاشی‌ها مجهز شوند. البته واضح است که دستیابی به چنین سیستم هشدار دهنده‌ای ملال آور، گران و تا حدودی سخت است. اما باید دانست که همان طور که تجربه نشان می‌هد این روش قابلیت های فراوانی داشته و می‌تواند کلیه فعالیت هایی را که مغز انسان در این زمینه قادر به انجام آن به صورت کامل نیست، انجام دهد. ضمناً هیچ سیستم ماشین بینایی جایگزین بازرسی بصری نخواهد شد، اگر:

الف) نتواند رنگ محصول را با قابلیت اعتماد بالایی، مورد تجزیه و تحلیل قرار دهد.

ب) نتواند انواع عیوب تولید را حداقل با دقتی برابر دقت چشم انسان تشخیص دهد.

ج) نتواند ابعاد کاشی را با دقت بالایی اندازه گیری کند[۲].

بازرسی جامع

روند آشکار سازی عیوب مستلزم آن است که سطح کلی هر کاشی را در نظر گرفته و مورد تجزیه وتحلیل قرار دهیم. به منظور پوشش دهی اغلب استانداردهای ابعادی کاشی برای کاشی‌ها، سیستم پردازش باید شامل میزان دیدی به اندازه حدوداً ۶۰۰ میلی متر در پهنا باشد. یک چنین سیستم پردازش ماکروسکوپیکی نیازمند یک سیستم نور پردازی قدرتمند، پایدار و همسان می‌باشد. توان رنگ و هندسه سیستم نور پردازی به سرعت تولید و مد پردازش، بستگی دارد. اولین هدف بازرسی، ارائه تحلیلی آماری از تولیدات نیست، بلکه تقسیم بندی هر کاشی در داخل گروههایی با کیفیت ثابت می‌باشد. بنابراین هر کاشی را باید به طور جداگانه و بدون هیچ گونه عملکرد خاصی تحت بررسی قرارداد. پردازش تصویر را باید به صورت مستقیم، بدون واسطه و بلادرنگ روی خط تولید انجام داد والگوریتم های پردازش تصویر باید به اندازه‌ای سریع باشند که بتوانند نرخ تولید را دنبال کنند[۲].

بازرسی چند کیفیتی[۳]

به منظور ارضاء درخواست مشتری و نیز برآوردن ویژگی‌ها و خصوصیات مطلوب از تولیدات، یک کاشی سرامیکی باید از جنبه های زیر مورد بررسی و کنترل قرار گیرد:

الف) رنگ

ب) حالت سطح

ج) صافی سطح

د) ابعاد

از آنجایی که این کاشی‌ها به مدهای تصویری و سیستم های نور پردازی متفاوتی نیاز دارند، چهار موردی که باید کنترل شوند، مقیاس‌ها و مدلهای مختلفی را در نحوه کنترل کیفیت آنها باز می‌گذارند[۲].

کنترل رنگ

شناسایی تصویر

خریداران کاشی‌های سرامیکی، صرف نظر از ترکیبات شیمیایی و خصوصیات مکانیکی کاشی‌ها، آنها را فقط با توجه به ظاهر و زیبایی انتخاب می‌کنند. بنابراین رنگ غالب، الگوهای رنگی و بافت رنگ کاشی‌ها از ویژگی های مهمی هستند که باید توسط تولید کنندگان، جهت جلب رضایت مشتری در نظر گرفته شوند. به همین دلیل سیستم های کنترل کیفیت، باید قادر به اندازه گیری سایز های یک کاشی به طور دقیق و قابل اطمینان باشند. سیاستهای تجاری گوناگون، باعث ایجاد محدودیت در به کار گیری ابزار تصویر برداری می‌شوند. در این حالت ممکن است با سه انتخاب روبرو شویم:

۱- اسکنرهای خطی تک رنگ با دقت بالا

۲- دوربین های رنگی ماتریسی با دقت پایین

۳- اسکنر های خطی-رنگی با دقت بالا

اسکنرهای خطی تک رنگ، عیوب رنگی کوچک را آشکار کرده و بافت های نقطه‌ای ریز را تحلیل می‌کنند. این عمل به تغییرات اطلاعات لومینانس، تصویر ظاهری و اشباع محدود می‌شود.

دوربین های رنگی ماتریسی با دقت پایین، اطلاعات رنگی کاملتری را در اختیار می‌گذارند، ولی موارد استفاده آسانتر آنها محدود به سطوح صاف می‌شود. در اینجا مهم است بدانیم تنها روش قابل قبول برای بدست آوردن اطلاعات رنگی با کیفیت، استفاده از سه دوربین CCD[4] می‌باشد. دوربین های CCD دوربین هایی هستند که برای دریافت نور تابیده شده به آنها از یک قطعه سیلیکون متشکل از هزاران سلول حساس به نور به نام « فتوسایت» به جای یک قطعه فیلم معمولی استفاده می‌کنند.

اسکنرهای خطی با دقت بالا بهترین اطلاعات رنگی را ارائه می‌دهند. این انتخاب نه در ویژگی های طیفی و نه در ویژگی های مکانی، دارای هیچگونه محدودیتی نیست. تنها عیب این روش قیمت بالای دوربین و ورود حجم بالای اطلاعات در الگوریتم های پردازش تصویر می‌باشد. در هر اندازه گیری دقیق رنگی، اندازه گیری تنها در صورت وجود سیستم نورپردازی مناسب، امکان پذیر می‌باشد[۱].

 بازرسی عیوب رنگی:

سیستم های بازرسی خودکار رنگ، کاشی‌ها را تنها به گروههای یکسان و هم جنس دسته بندی می‌کند. برخی از الگوها و نمونه های رنگی باید به عنوان عیوب، تشخیص داده و در نظر گرفته شوند.

برخی از عیوب معمول در نظر گرفته شده برای کاشی‌ها در ماشین های تجاری عبارتند از:

۱- مساحت بزرگ و اختلافات رنگ محلی

۲- تراشه شدن و خرد شدن

۳- ترکها

۴- خال‌ها

۵- لکه‌ها

۶- حباب ها

عمل اجرایی آشکار سازی به پارامتر های زیر بستگی دارد:

۱- تفاوت رنگ بین هر نوع از عیوب و سطح بدون عیب.

برخی از الگوهای دارای تضاد رنَگ واضح نسبت به پیش زمینه، به راحتی آشکار می‌شوند، ولی برخی دیگر مانند عیوب حالت سطح، که دارای رنگی مشابه رنگ قسمتهای سالم و بی عیب می‌باشند، نامرئی بوده و نیازمند روشهای پردازش حساس تری می‌باشند.

۲- ابزار تصویر برداری

محدودیت در اندازه برای عیوبی که قرار است آشکار سازی شوند، به دقت سنسورها بستگی دارد. حداقل اختلاف مورد نیاز بین مساحت های دارای عیب و سطوح بی نقص و سالم، به دینامیک طیفی دوربین مربوط می‌شود. (تعداد بیت های خروجی، رنگ و یا مونوکروم)

۳- الگوریتم شناسایی و طبقه بندی الگو

روشهای متنوع و گوناگونی برای شناسایی تصویر و نیز تحلیل متفاوتی برای تصاویر وجود دارد که همگی به منظور شناسایی و طبقه بندی الگو به کار می‌روند. این الگوریتم‌ها در سرعت، قدرت و راندمان با یکدیگر متفاوتند‌[۱].

کنترل حالت سطح

شناسایی تصویر

در میان تنوع محصولات کاشی در دسترس، یک پارامتر مهم سطح براق و صیقلی می‌باشد که در اثر اعمال فرایندهای صیقل کاری و لعاب کاری به دست می‌آید. مشاهده سطح تحت سیستم نور پردازی با زاویه کم، اجازه کنترل میزان جلای سطح را به ما می‌دهد. با قرار دادن سنسور، درست در جهت انعکاس طیفی، عیوب سطح به رنگ مشکی و نواجی بی عیب و سالم به رنگ سفید در می‌آید. این روش تصویر سازی، همان عملکرد اجرایی‌ای را که اپراتور هنگام بازرسی محصول نهایی تحت سیستم نورپردازی مماسی انجام می‌دهد، به کار می‌گیرد [۱].

شناسایی عیب

روند طی شده در تحلیل عیوب سطح، مشابه آنچه که در بالا برای آشکار سازی عیوب رنگی بیان کردیم می‌باشد.

 عیوب، از پیش زمینه و به وسیله عمل آستانه گیری تصویر به دست آمده و با توجه به پارامترهای اندازه و شکل دسته بندی می‌شوند. دستگاههای فعلی قادر به آشکار سازی عیوبی از قبیل عیوب زیر هستند:

الف- تراشه (در لبه‌ها و گوشه ها)

ب- ترک

ج- خش

د- عیوب لعاب

ه- سوراخ

و- برآمدگی

حساسیت سیستم تصویر برداری، مرتبط با اختلاف زبری محلی ای که عیوب ناشی می‌شود، می‌باشد و هیچگونه ربطی به اختلاف رنگ ندارد. در واقع این دو عامل به دو مشخصه فیزیکی مستقل ماده بستگی داشته و می‌توان گفت آشکارسازی عیوب رنگی و سطحی مکمل یکدیگر هستند.

شدت میانگین در حالت به دست آمده از حالت سطح را می‌توان به عنوان یک اندازه گیری کمّی از انعکاس سطح در نظر گرفت. اگرچه این ویژگی را می‌توان به عنوان کنترل بلادرنگ کیفیت صیقل کاری و لعاب کاری به کار برد، ولی امروزه این روش در تجهیزات تجاری در دسترس می‌باشد[۱].

مسطح بودن

 مسطح بودن کاشی‌های کف، آنها را برای تحلیل‌ها و پردازش های تصویری، مناسب می‌سازد. اول آنکه پردازش تصویر بر روی اجسام و اشیاء تخت و مسطح، آسان تر است، بعلاوه طراحی سیستم نور پردازی آسان تر بوده و هیچگونه انحراف و عدم انطباق هندسی وجود ندارد. ضمنا هیچگونه سایه‌ای به خاطر نقشه برداری بی قاعده ایجاد نشده و هیچگونه انطباق بخش‌های مختلف و ناحیه پنهانی نیز وجود ندارد.

بنابر آنچه گفته شد، نیازی به تصحیح اختلافات جزئی در رنگ و غیره، بازسازی سه بعدی و یا هر گونه الگوریتم پردازش تصویر مشکل وپیچیده‌ای نخواهد بود. اگر چه مسطح بودن برای تکنیک های تحلیل تصویر، مطلوب بود و از اهمیت خاصی برخوردار است، ولی شامل ضابطه و معیاری عملی و کلی نخواهد بود. تولیدات سرامیکی غیر مسطح مثل سفال های سقف را می‌توان با ماشین بینایی کنترل کرد. مسطح بودن را می‌توان به وسیله تحلیل های تصویری مورد بررسی قرار داد. شرکت Massen Gmbh این روش کنترل را برمبنای تکنیک سه گوشه‌ای لیزری[۵] پیشنهاد کرده است. روش حل شامل سه اشعه موازی لیزری (به عرض ۲۰ mm) بوده و دوربین هایی موقعیت و شکل این اشعه را مورد تجزیه و تحلیل قرار می‌دهند[۳]. نهایتاً موارد زیر نتیجه می‌شوند: