En los últimos años, la inteligencia artificial basada en el aprendizaje ha suscitado gran interés en la ciencia y la ingeniería. Especialmente en el campo de la inspección industrial automática, la inspección visual basada en el aprendizaje automático desempeña un papel cada vez más importante en la identificación de defectos y la extracción de características. Mediante el aprendizaje a partir de muestras de imágenes, pueden obtenerse muchas características de objetos industriales, como formas, posiciones y ángulos de orientación, que pueden utilizarse para determinar si hay defectos o no. Sin embargo, la robustez y la rapidez no son fáciles de conseguir en este tipo de inspección. En este trabajo, para la inspección visual de paneles solares, presentamos una máquina de aprendizaje extremo (ELM) y un enfoque basado en la regresión de mínimos cuadrados móviles para identificar defectos en las juntas de soldadura y detectar la posición del panel. En primer lugar, se aplican la distribución de picos del histograma (HPD) y el cálculo fraccionario para el preprocesamiento de imágenes. A continuación, se analiza en detalle la identificación de juntas de soldadura defectuosas basada en ELM. Por último, se introduce un algoritmo de regresión por mínimos cuadrados móviles (MLSR) para determinar la posición del panel solar. Los resultados experimentales y las comparaciones muestran que el método de inspección basado en ELM y MLSR propuesto es eficiente no sólo en precisión de detección, sino también en velocidad de procesamiento.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Interpretación rápida de políticas y resolución dinámica de conflictos para sistemas IoT basados en blockchain.
Artículo:
Extracción de conocimiento suficiente a través de la fusión progresiva de características para el reconocimiento eficiente de materiales
Artículo:
Control Difuso de Conmutación Adaptativa para Manipuladores de Robots Inciertos con Restricción de Salida Variable en el Tiempo
Artículo:
Evaluación de capacidad para IEEE 802.16e Mobile WiMAX
Artículo:
Taxonomía de riesgos de outsourcing de software