Skip to main content
SUPERVISOR
Rasoul AmirFattahi,Behzad Nazari
رسول امیر فتاحی ورنوسفادرانی (استاد راهنما) بهزاد نظری (استاد راهنما)
 
STUDENT
Mahdi Heydari
مهدی حیدری

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1389
Automatic Quality control is a vital process in many manufacturing process such as steel industry. Pellet size monitoring and control is a critical process which is done in steel making to improve quality of products. According to the technical reports, pellet size should be fall in the range of 9-16 mm in diameter. Larger or smaller pellets could degrade the final products and impose extra overheads to industry. In this paper, a new method is proposed for measuring the pellet size using practical Image Processing algorithms. In this method, active contour with Chen-Vese method is used to eliminate the images backgrounds and achieving a distinguishable plot of the objects. After detecting distinct element existing in the image, the number of pellets in each object is determined and each object is justify; LINE-HEIGHT: 115%; MARGIN: 0cm 0cm 10pt; unicode-bidi: embed; DIRECTION: ltr" Kaywords: SVM, Chan-Vese, Pellet, Morphology
: تولید و مصرف فولاد امروزه، یکی از شاخص های اصلی توسعه یافتگی کشورها و جوامع به شمار می آید. در فرایند تولید فولاد، واحد گندله‌سازی نقش به‌سزایی دارد. قطر گندله‌های تولیدی در واحد گندله‌سازی از اهمیت بسیار بالایی برخوردار است. به منظورجلوگیری از بالا رفتن حجم گندله ‌های برگشتی و در نتیجه افزایش راندمان تولید، قطر گندله‌ها در بازه‌های زمانی مشخص توسط اپراتور چک میشود. هدف از انجام این تحقیق مکانیزه کردن این آزمایش، حذف خطاهای انسانی، ایجاد امکان ذخیره اطلاعات و انجام این آزمایش به صورت بلادرنگ به منظور کاهش حجم گندله‌های برگشتی و در نتیجه افزایش راندمان تولید واحد گندله‌سازی است. در اجرای این پروژه از دوربین تحت شبکه استفاده‌شده‌است. همچنین به‌منظور ارسال داده، پروتکل RTSP به کار رفته‌است. مسافت ارسال داده در این پروژه 108 متر می‌باشد که به دلیل نویز‌های موجود در محیط، کابل CAT6 برای ارسال داده انتخاب شد. همچنین به منظور کاهش حجم سیم‌کشی از سیستم POE استفاده شد. در این سیستم برق مورد نیاز دوربین بر روی مود مشترک کابل شبکه قرار گرفته و دیگر نیازی به سیم تغذیه دوربین نیست. در این پایان‌نامه از تکنیکهای قطعه‌بندی و همچنین تشخیص شی استفاده شده است. در ابتدا تصاویر به فضای رنگ L*A*B تبدیل می‌شود. همچنین به منظور تعیین تعداد گندله موجود در هر شی از ماشین بردار پشتیبان استفاده شده است. دقت عملکرد ماشین بردار پشتیبان در مورد تعیین تعداد گندله ‌های تکی 95 % است. این عدد برای گندله‌های دوتایی برابر 5/96% و برای گندله‌های سه‌تایی خطی برابر 3/95% میباشد. در آخر و پس از تعیین تعداد گندله در هر شی با استفاده از روشهای ریخت شناسی و خوردگی قطر گندله ها استخراج می شود. در قسمت محاسبه قطر المانهای شامل دو گندله عدد1/94% دقت حاصل از اجرای الگوریتم بود همچنین این عدد برای المانهای شامل سه گندله برابر3/91% می‌باشد. همچنین برای محاسبه قطر گندله‌های تکی، الگوریتم پیشنهادی دارای خطایی قابل چشم‌پوشی است . کلمات کلیدی: ماشین بردار پشتیبان، فضای رنگ، ریخت شناسی، RTSP،

ارتقاء امنیت وب با وف بومی

100%