Fabric Defect Detection Using the Sensitive Plant Segmentation Algorithm

Fabric quality control and defect detection are playing a crucial role in the textile industry with the development of high customer demand in the fashion market. This work presents fabric defect detection using a sensitive plant segmentation algorithm (SPSA) which, is developed with the sensitive behaviour of the sensitive plant biologically named “mimosa pudica”. This method consists of two stages: The first stage enhances the contrast of the defective fabric image and the second stage segments the fabric defects with the aid of the SPSA. The SPSA proposed was developed for defective pixel identification in non-uniform patterns of fabrics. In this paper, the SPSA was built through checking with devised conditions, correlation and error probability. Every pixel was checked with the algorithm developed to be marked either a defective or non-defective pixel. The SPSA proposed was tested on different types of fabric defect databases, showing a much improved performance over existing methods.

Wraz z rozwojem zapotrzebowania klientów na rynku mody kontrola jakości tkanin i wykrywanie defektów odgrywa kluczową rolę w przemyśle tekstylnym. W pracy przedstawiono wykrywanie defektów tkanin przy użyciu czułego algorytmu segmentacji roślin (SPSA), który został opracowany na podstawie rośliny o nazwie biologicznej „mimosa pudica”. Ta metoda składa się z dwóch etapów. Pierwszy etap to wzmocnienie kontrastu wadliwego obrazu tkaniny, a drugi etap segmentował defekty tkaniny za pomocą SPSA. Proponowana metoda z użyciem SPSA została opracowana do identyfikacji wadliwych pikseli w niejednorodnych wzorach tkanin. W artykule przedstawiono wyniki SPSA, a także dokonano ich weryfikacji pod kątem korelacji i prawdopodobieństwa błędu. Każdy piksel został sprawdzony za pomocą opracowanego algorytmu, tak aby został zaznaczony piksel wadliwy lub nieuszkodzony. Proponowany algorytm SPSA został przetestowany na różnych typach baz danych defektów tkanin i wykazał niezwykłą wydajność w stosunku do istniejących metod.