Reconocimiento de defectos en maderas utilizando una red neuro difusa.
DOI:
https://doi.org/10.35197/rx.01.03.2005.08.GRPalabras clave:
Neurodifuso, madera, metódo de incorporaciónResumen
Este artículo, describe un clasificador neuro difuso, que diferencia entre 4 tipos de defectos en maderas conocidos como botones. La inspección visual de estos defectos por humanos, tiene un alto grado de complejidad ya que dentro de una misma clase existen variaciones en forma, tamaño y color. Las características utilizadas por el clasificador se extrajeron de las imágenes de maderas mediante filtros Gabor 2D. Estos filtros son muy utilizados para imágenes, en donde la textura es un factor importante. Para reducir la dimensionalidad del vector de características, se utilizó el Método de Incorporación. La red neurodifusa se diseñó a partir de una red de Funciones de Base Radial, FBR, de dos capas en donde las entradas de la red se fuzifican antes de iniciar el entrenamiento. El reconocimiento que se alcanzó fue del 97.05% siendo un resultado aceptable, teniendo en cuenta que un inspector humano alcanza un reconocimiento entre el 75 y 85%.
Descargas
Citas
Bezdek C. James, L. y Pal K.
“Fuzzy models for pattern recognition”. IEEE PRESS. 232 p.
Casanova J. A.
“Multiorientación de imágenes mediante un banco de filtros de Gabor-2D”
Revista Cognitiva. 12 (2): 223-246.
Chin, T. y G. Lee.
“Neural Fuzzy Systems: A Neuro Fuzzy Synergism To Intelligent Systems”.
Editorial Prentice Hall. 354 p.
Kauppinen, H., O. Silven y T. Piirainen.
“Self Organizing Map based user interface for visual surface inspection”. Proc. 11th Scandinavian cofernce on image analysis, Kangerlussuaq, Greenland. pp. 801- 808.
Jouko, L. y Seppo, S.
“Word defect recognition: A comparative study”. Proc. of workshop on Machine vision in advanced production, Oulu, Finland. 112 p.
“Self organizing feature extraction in recognition of wood surface defects and color images”. International Journal of Pattern Recognition and Artificial intelligence. 10 (2): 97-118.
Jouko L. Seppo S. y Markku K.
“Word surface inspection system based on generic visual features”.
International Conference on artificial neural networks ICANN’95 Paris. pp.9-13.
Silven, O., M. Niskanen y H. Kauppinen.
“Electrical engineering” University of Oulu. Department of electrical engineering. (En Línea) disponible en http://www.oulu.fi/research/ imag/gsom/
The Math Works Inc.
“Neural Network Toolbox User’s Guide”. Ver.2. 74 p.
Yaochu, J. Werner, Von S. y Bernhard, S.
“Extracting Interpretable fuzzy rules from RBR neural networks”. Institut Fur Neuroenformaski. Ruhr-Universitat Bochum, Internal Report, January 34 p.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2005 Graciela María de Jesús Ramírez Alonso , Mario I. Chacón
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y construir a partir del material
- La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales .
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
