Machine Vision Inspection Systems, Machine Learning-Based Approaches

سیستم‌های بازرسی بینایی ماشین (MVIS) یک زمینه تحقیقاتی چند رشته‌ای است که بر پردازش تصویر، بینایی ماشین و تشخیص الگو برای کاربردهای صنعتی تأکید دارد. تکنیک های بازرسی به طور کلی در صنعت ارزیابی مخرب و غیر مخرب استفاده می شود. اکنون یک روز است که تحقیقات فعلی در مورد بازرسی ماشین در بین محققان مختلف محبوبیت بیشتری پیدا کرده است، زیرا ارزیابی دستی بازرسی ممکن است به دلیل تعداد زیاد بررسی در حین فرآیند بازرسی شکست بخورد و به ارزیابی نادرست تبدیل شود.

این جلد. 2 رویکردهای مبتنی بر یادگیری ماشین را در برنامه‌های MVIS پوشش می‌دهد و می‌تواند برای طیف گسترده‌ای از مشکلات به‌ویژه در آزمایش‌های غیر مخرب (NDT)، تشخیص حضور/غیاب، تشخیص عیب/عیوب (جوش، نساجی، کاشی، چوب و غیره استفاده شود. .)، تست و اندازه گیری بینایی خودکار، تطبیق الگو، تشخیص و تأیید نویسه های نوری (OCR/OCV)، پردازش زبان طبیعی، تشخیص پزشکی، و غیره. این کتاب ویرایش شده برای پرداختن به جنبه های مختلف روش ها، مفاهیم، ​​و طرح تحقیقاتی اخیر طراحی شده است. به خوانندگان برای ارائه بینش عمیق تر برای تحقیق در مورد بینایی ماشین با استفاده از رویکردهای مبتنی بر یادگیری ماشین.

Machine Vision Inspection Systems (MVIS) is a multidisciplinary research field that emphasizes image processing, machine vision and, pattern recognition for industrial applications. Inspection techniques are generally used in destructive and non-destructive evaluation industry. Now a day's the current research on machine inspection gained more popularity among various researchers, because the manual assessment of the inspection may fail and turn into false assessment due to a large number of examining while inspection process.

This volume 2 covers machine learning-based approaches in MVIS applications and it can be employed to a wide diversity of problems particularly in Non-Destructive testing (NDT), presence/absence detection, defect/fault detection (weld, textile, tiles, wood, etc.), automated vision test & measurement, pattern matching, optical character recognition & verification (OCR/OCV), natural language processing, medical diagnosis, etc. This edited book is designed to address various aspects of recent methodologies, concepts, and research plan out to the readers for giving more depth insights for perusing research on machine vision using machine learning-based approaches.