La détection et la localisation des défauts de surface dans les matériaux texturés est un problème crucial mais difficile en raison de facteurs tels que les variations de texture et le manque d’échantillons défectueux adéquats avant le test. Dans cet article, les auteurs présentent une nouvelle méthode non supervisée pour détecter automatiquement les défauts dans les tissus basée sur un réseau contradictoire génératif convolutif profond (DCGAN).
Le modèle proposé peut reconstruire une image de telle sorte que n’apparaissent seulement que les textures normales. Par conséquent, lors de la soustraction cette image à l’image d’origine, une carte résiduelle peut être créée pour mettre en évidence les régions potentiellement défectueuses.
Serveur web : https://journals.sagepub.com/doi/abs/10.1177/0040517519862880
Date : 01/02/2020