Приложение кластерного анализа к автоматическому распознаванию дефектов

Рассмотрена задача автоматического распознавания и классификации дефектов, возникающая при разработке систем машинного зрения. Предложен подход к ее решению, в соответствии с которым на первом этапе осуществляется автономный процесс обучения системы, во время которого обучающие выборки анализируемых признаков дефектов разбиваются на кластеры, в которых находятся медианы. На втором этапе в режиме реального времени реализуется процесс инспектирования, при котором входящий образец классифицируется в соответствии с типом ближайшей медианы. Отмечено, что сравнительный анализ с другими методами показал эффективность предложенного подхода.