Книга "Machine Vision Inspection System: Machine Learning-based Approaches" представляет собой сборник статей на тему машинного зрения. В книге рассматриваются различные аспекты этой темы - от обработки изображений до распознавания образов. Авторы пишут о методах машинного обучения, которые применяются в задачах промышленного контроля качества.
Инспекционные методы широко используются в отрасли выявления дефектов промышленных изделий, как неразрушающим, так и деструктивным методом. В настоящее время наметился особый интерес к машинной инспекции среди различных исследователей, поскольку ручная оценка качества может быть затруднена из-за необходимости сравнения большого количества результатов при проведении процесса инспекции.
Эта книга, выпущенная вторым томом, посвящена машинному обучению в применениях машинного зрения и подходит для широкого круга задач, особенно связанных с неразрушающими испытаниями, обнаружением наличия или отсутствия, обнаружением дефектов (на сварных швах, текстильных материалах, кафельной плитке, древесине и т.д.), автоматическими испытаниями с помощью зрения и измерением, сопоставлением шаблонов, оптическим распознаванием символов и проверкой, обработкой естественного языка, медицинским диагнозами и т. д. Она ориентирована на исследование влияния машинного обучения на развитие методов машинного зрения, позволяя читателю изучить новые подходы и методы.
Книга "Machine Vision Inspection System| Machine Learning Based Approaches" посвящена исследованию инспекционных систем машинного зрения. В ней рассматриваются методы обработки изображений, инспекции, распознавания образов в промышленных приложениях. Существует также раздел по применению машинного обучения для задач инспекции. Эта книга может быть полезна при решении многих задач, включая неразрушающий контроль, обнаружение присутствия/отсутствия объектов, контроль состояния соединений, автоматическое тестирование и измерение, сопоставление образов, оптическое распознавание символов, верификацию естественного языка и решение медицинских задач.
Книга "Machine Vision Inspection Systems: A Multidisciplinary Approach" призвана стать тем консолидированным источником знаний и опыта, который необходим всем специалистам в этой области. Рассматривается важный вопрос, связанный с контролем качества в различных отраслях. При этом акцент делается на новых подходах, основанных не только на традиционных методах контроля, но и на использовании искусственного интеллекта и машинного обучения. Благодаря книге, читатель сможет собрать все необходимые сведения, касающиеся данной тематики, что позволит ему подходить к организации контроля с эффективностью и минимальными временными затратами.
Электронная Книга «Machine Vision Inspection Systems, Machine Learning-Based Approaches» написана автором Группа авторов в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119786108
Описание книги от Группа авторов
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.
