Klasifikācijas metožu lietojums vilciena vagonu tipa noteikšanai no attēla

Abstract

Datorredzes un tēlu atpazīšanas jomu attīstība paver iespēju veikt dažādu ikdienā nozīmīgu procesu automatizāciju. Lai aizvietotu cilvēka veiktu vilcienu vagonu vizuālo pārbaudi un automātiski konstatētu dažāda veida novirzes no normas, ir nepieciešams veikt vagonu klasifikāciju pēc tipa. Darbā tiek aplūkotas dažas attēlu apstrādes tehnikas, ar kuru palīdzību tiek iegūtas vagona attēla krāsas, struktūras un izmēra iezīmes. Tālāk tiek apskatītas un izvērtētas vairākas klasifikācijas metodes un divas piemērotākās no tām, atbalsta vektoru metode jeb SVM un nozīmīgo vektoru metode jeb RVM, tiek aprakstītas sīkāk. Rezultātā tiek izstrādāts sistēmas prototips, kas var atšķirt dažāda tipa vagonus ar lielu precizitāti.

Developments in the field of computer vision and pattern recognition enables the automatization of significant day-to-day processes. One of such processes is visual inspection of freight train wagons, in order to detect anomalies. Development of such a system requires automatic recognition of wagon's type. In this paper image processing techniques are used to extract features from an image, which would convey information about wagon's color, structure and size. Several classification methods are reviewed and two most suitable, SVM (support vector machine) and RVM (relevance vector machine), are described in more detail. As a result a system prototype is developed, which can recognize different types of railway wagons with a high precision.