Sistema híbrido de clasificación de defectos en planchas de aluminio

Resumen

El articulo describe las técnicas de Inteligencia Artificial aplicadas para la interpretación de imágenes de superficies de aluminio con defectos. La totalidad del proceso incluye la detección en on-line del defecto, la segmentación, la extracción de características y la clasificación. Estos tópicos son discutidos en profundidad. El pre-procesado de los datos, así como la segmentación y la extracción de defectos son comentados. En este punto se discute la algorítmia empleada y los descriptores usados. El filtro sintáctico modela la información generando el vector de entrada a la etapa de clasificación. En la clasificación de defectos se han utilizado sistemas basados en reglas, modelos borrosos y redes neuronales. Se mantiene una filosofía de diferentes subsistemas de clasificación para la resolución de un problema de reconocimiento de patrones (sistemas híbridos). En primer lugar, haciendo uso de métodos sintácticos, se obtiene una representación virtual del defecto. Posteriormente, un grupo de técnicas se emplea para el reconocimiento, sistemas basados en reglas, clasificadores borrosos y redes neuronales. La clasificación mediante reglas hace asociar a cada defecto un tipo de gramática. La base de conocimiento estará formado por la información derivada del filtro sintáctico y las reglas inferidas. Los clasificadores borrosos utilizarán reglas de producción con antecedentes borrosos y sus consecuentes son grados de pertenencia a un tipo de defecto. Distintas arquitecturas de redes neuronales han sido implementadas con diferentes resultados, las conclusiones son comentadas. En un estadio superior de clasificación, un supervisor se nutre de la información aportada por los sistemas heterogéneos más la historia del proceso para determinar la conclusión final.