随机纹理表面的监测与诊断方法
应用统计
2017-07-24 v3
摘要
我们开发了一种基于监督学习的方法，用于监测和诊断以随机纹理表面为特征的制造产品中的纹理相关缺陷，该表面满足马尔可夫随机场的局部性和平稳性性质。随机纹理表面数据的例子包括机织纺织品的图像；机械加工、铸造或成型金属零件的图像或表面计量数据；材料微观结构样本的显微镜图像等。为了刻画随机纹理表面受控样本的复杂空间统计依赖性，我们使用相当通用的监督学习方法，这些方法提供了表面纹理联合分布的隐式刻画。我们提出了两种空间移动统计量，由拟合的监督学习模型的残差误差计算而得，用于在统计过程控制背景下监测和诊断新制造的随机纹理表面样本总体空间统计行为中的局部异常。我们使用纺织品样本图像和模拟的二维随机过程说明了该方法，算法成功检测了各种性质的局部缺陷。补充讨论、结果、数据和计算机代码可在线获取。
引用
@article{arxiv.1702.02966,
title = {A monitoring and diagnostic approach for stochastic textured surfaces},
author = {Anh Tuan Bui and Daniel W. Apley},
journal= {arXiv preprint arXiv:1702.02966},
year = {2017}
}