ZHAW-Logo OAPA-Logo TAT-Logo
zurück  
Diplomarbeit 2002 (DA02): Arbeits-Archiv
 
DA Ler 02/1 - Farbklassierung textiler Garne mit Hilfe von Neuronalen Netzwerken
Studierende: Benjamin Burkhart, burkhben
  Adrian Konig, koeniadr

Betreuer: Rolf Leuenberger, leue

Im Rahmen dieser Diplomarbeit untersuchten wir neuronale Netzwerke fur die Farbklassierung photographischer Garnbilder. Mit Hilfe von MATLAB und Neuraler Toolbox entwickelten wir eine interaktive Applikation, welche zu Demonstrationszwecken und fur weiterfuhrende Untersuchungen eingesetzt werden kann. Mit unserem Tool konnen Neuronale Netze in Form von Multilayer-Perzeptrons frei konfiguriert und nach einer Lernphase fur die Klassierung von Garnbildern eingesetzt werden. Eine umfangreiche graphische Benutzerschnittstelle ermoglicht eine flexible Konfiguration von Netzwerken. Verschiedene Klassierungsmerkmale, Filter fur die Bilddaten sowie Parameter fur die Trainings- und Testphase konnen eingestellt werden.

Um die Treffsicherheit unseres Klassifikators zu verbessern, entwickelten wir verschiedene Erweiterungen. Einerseits implementierten wir ein zweistufiges Verfahren, bei dem verschiedene Merkmale parallel verarbeitet und durch die Kombination der Resultate die Spezifitat der Klassierung verbessert wird. Mit demselben positiven Effekt wurde andererseits mit einer nicht-neuronalen Technik der Klassierungsraum anhand von negativen Lernmustern kunstlich verkleinert. In unseren Versuchen konnten wir bis zu zwanzig verschiedene Garne mit grosser Sicherheit klassieren. Die korrekte Aussonderung nicht-trainierter Garne erwies sich als ungleich schwieriger. Hier ergab auch der Einsatz zusatzlicher Merkmale wie der Covarianzen der Pixelcluster keine signifikante Verbesserung.

Neuronale Netzwerke erweisen sich als einfach zu implementierende und potentiell robuste Klassifikatoren. Trotz der vielseitigen Einsatzmoglichkeit ist die Qualitat der Rohdaten, aus denen Klassierungsmerkmale gewonnen werden, unter Umstanden limitierend fur den Erfolg. Gestutzt auf unsere Resultate erreicht ein neuronales Netzwerk mit dem gegebenen Bildmaterial nicht die Gute konventionellerer Klassifikatoren, wie sie in industriellen Produktionsprozessen Anwendung finden.

zurück