CC BY
0Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 4 | 2024-yil
"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 4 | 2024 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 4 | 2024 год
TRIKOTAJ TO'QIMA TASVIRLARINI ANIQLASH VA RAQAMLI ISHLOV BERISH
USULLARI
Musayev Xurshid Sharifjonovich,
TATU Farg'ona filiali Dasturiy injiniring
kafedrasi,
Annotatsiya: Ushbu maqola trikotaj to'qima tasvirlarini raqamli qayta ishlash usullariga bag'ishlangan. Tasvirlarni aniqlash va segmentatsiyalashda sun'iy intellekt yondashuvlari va klassik algoritmlar (Canny, Sobel, K-means) samaradorligi ko'rib chiqiladi. Maqolada Python dasturlash tili yordamida amaliy natijalar ko'rsatilgan va grafikalar orqali vizualizatsiya qilingan. Ushbu yondashuvlar trikotaj mahsulotlarida nuqsonlarni samarali aniqlash va ishlab chiqarish sifatini yaxshilashga yordam beradi.
Kalit so'zlar: Trikotaj to'qimalari, raqamli ishlov berish, Canny algoritmi, segmentatsiya, Python dasturlash, sifat nazorati, tasvirni qayta ishlash
Kirish. Trikotaj mahsulotlari zamonaviy tekstil sanoatida keng tarqalgan va ularning sifati bozor talablari uchun muhim hisoblanadi. Ishlab chiqarish jarayonida yuzaga kelishi mumkin bo'lgan nuqsonlarni aniqlash va ularni bartaraf etish sifat nazoratining ajralmas qismidir. An'anaviy inspeksiya usullari, odatda, inson omiliga asoslangan bo'lib, vaqt va resurslarni talab qiladi. Zamonaviy texnologiyalar, xususan, raqamli tasvirni qayta ishlash va sun'iy intellekt algoritmlarini qo'llash, ushbu jarayonni avtomatlashtirish imkoniyatini beradi.
Tasvirni qayta ishlash texnikalari, masalan, filtratsiya, chetlarni aniqlash va segmentatsiya yordamida trikotaj to'qimalaridagi nuqsonlarni aniqlash tezligi va aniqligini oshirishga erishiladi. Bu jarayonlar ishlab chiqarishda samaradorlikni oshirib, inson resurslariga bo'lgan ehtiyojni kamaytiradi.
Ushbu maqola trikotaj tasvirlarini aniqlash va ularga raqamli ishlov berishning asosiy usullarini, jumladan, Canny va Sobel algoritmlarini qo'llashni ko'rib chiqadi. Shuningdek, Python dasturlash tili yordamida ushbu usullarni amaliyotda qo'llash misollari va grafik natijalar taqdim etiladi. Maqolada ilg'or algoritmlarning trikotaj mahsulotlari sifatini yaxshilashga bo'lgan ta'siri tahlil qilinadi.
Adabiyotlar tahlili va metodologiya: Trikotaj to'qimalaridagi nuqsonlarni aniqlash va sifat nazoratini avtomatlashtirish bo'yicha ko'plab ilmiy tadqiqotlar
olib borilgan. Tasvirlarni raqamli qayta ishlashning nazariy asoslari bo'yicha Gonzalez va Woods tomonidan yozilgan Digital Image Processing kitobi yetakchi manba sifatida qaraladi. Ushbu asarda tasvir segmentatsiyasi, filtratsiya va chetlarni aniqlash kabi algoritmlarning texnik jihatlari batafsil yoritilgan.
Trikotaj to'qimalarida nuqsonlarni aniqlashda mashinaviy o'rganish va sun'iy intellekt yondashuvlarining samaradorligi Bishop tomonidan taqdim etilgan Pattern Recognition and Machine Learning kitobida muhokama qilingan. Bu asarda tasvirlardan xususiyatlarni ajratib olish va klassifikatsiya qilish uchun ishlatiladigan usullar haqida batafsil ma'lumotlar mavjud.
Shuningdek, tekstil mahsulotlarida chetlarni aniqlash va nuqsonlarni bartaraf etishda Canny algoritmi samaradorligi ko'plab tadqiqotlarda tasdiqlangan. Smith va Brady tomonidan ishlab chiqilgan SUSAN algoritmi esa chetlarni aniqlashda muqobil yondashuv sifatida ko'rib chiqilgan. O'z navbatida, Kumar va uning hamkasblari tekstil sanoatida nuqsonlarni aniqlashning kompyuter ko'rish yondashuvlari haqida tadqiqot olib borgan. Ularning ishida trikotaj to'qimalarini aniqlash uchun mashinada o'qitish usullarini qo'llash samaradorligi qayd etilgan.
OpenCV kutubxonasi tasvirlarni qayta ishlash bo'yicha amaliy imkoniyatlar taqdim etadi. Bu vosita yordamida tasvirlarni filtratsiya qilish, chetlarni
78
"Descendants of Al-Farghani" electronic scientific Электронный научный журнал "Потомки Аль-
journal of Fergana branch of TATU named after Фаргани" Ферганского филиала ТАТУ имени
Muhammad al-Khorazmi. ISSN 2181-4252 Мухаммада аль-Хоразми ISSN 2181-4252
Vol: 1 | Iss: 4 | 2024 year Том: 1 | Выпуск: 4 | 2024 год
Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 4 | 2024-yil
aniqlash va segmentatsiyalash samarali tarzda amalga oshiriladi. Shuningdek, Huang va Tang tomonidan taklif qilingan ikki o'lchovli median filtrlar tasvirlardan shovqinni olib tashlashda muvaffaqiyatli qo'llanilgan.
Shu asosda trikotaj tasvirlarini qayta ishlash bo'yicha ilg'or algoritmlar va yondashuvlarni qo'llash kelgusida sifatni nazorat qilish jarayonini yanada samarali qilish imkonini beradi.
Maqolada trikotaj tasvirlarni qayta ishlashning quyidagi bosqichlari va algoritmlari batafsil ko'rib chiqilgan:
1. Tasvirni olish va oldindan qayta ishlash -
Trikotaj mahsulotlari tasvirlarini olish uchun yuqori aniqlikdagi kameralar yoki sanoat skanerlaridan foydalaniladi. Tasvirni olishdan keyin uni oldindan qayta ishlash amalga oshiriladi. Bu bosqichda tasvir kontrastini oshirish, shovqinni kamaytirish va kerakli ma'lumotlarni ajratib olish uchun filtrlar qo'llaniladi. Median va Gaussian filtrlar yordamida tasvirlar silliqlashtiriladi.
2. Chetlarni aniqlash - Tasvirdan kerakli ma'lumotlarni ajratib olish uchun chetlarni aniqlash muhim bosqich hisoblanadi. Ushbu bosqichda quyidagi algoritmlar ishlatiladi:
- Sobel filtri: Gradientni hisoblash orqali tasvirdagi chetlarni aniqlash. Bu usul chetlarni aniqlashda asosiy ma'lumotlarni saqlab qoladi.
- Canny algoritmi: Ikki darajali chetlarni aniqlash texnikasi bo'lib, u tasvirning aniq va aniqlangan chetlarini ajratib beradi. Ushbu algoritm Sobel filtriga nisbatan yuqori aniqlikka ega.
3. Tasvirni segmentatsiyalash - Tasvirni segmentatsiyalash orqali trikotaj to'qimalaridagi turli komponentalar ajratib olinadi. Segmentatsiya uchun quyidagi usullar qo'llaniladi:
- Otsu metodi: Ikki yoki undan ortiq qismga segmentatsiyalash uchun chegaraviy qiymatni avtomatik belgilash.
- K-means klasterlash algoritmi: Tasvirni rang yoki teksturaga qarab bir nechta klasterga bo'lish. Ushbu usul trikotaj nuqsonlarini aniqlashda juda samarali hisoblanadi.
4. Tasvir xususiyatlarini ajratib olish va klassifikatsiya - Tasvirdan xususiyatlarni ajratib olish uchun histogram, tekstura analizlari va tasvir moifologiyasi kabi usullar qo'llaniladi. Ajratilgan xususiyatlar mashinada o'qitish modellariga uzatiladi. Model sifatida quyidagi usullardan foydalaniladi:
- Neyron tarmoqlar: Neyron tarmoqlar, xususan, konvolyutsion neyron tarmoqlar (CNN), tasvirlarni qayta ishlash va aniqlashda keng qo'llaniladigan sun'iy intellekt algoritmlaridir.
- Qo'llab-quvvatlovchi vektor mashinasi (SVM): Qo'llab-quvvatlovchi vektor mashinasi (SVM) - bu ma'lumotlarni klassifikatsiya qilish va regressiya tahlilida foydalaniladigan nazoratli o'rganish algoritmi. SVM asosiy tamoyili bo'yicha ikki sinfni bir-biridan ajratadigan optimal gipertekislikni topishga qaratilgan.
5. Python dasturlash orqali amalga oshirish -Metodologiyaning amaliy qismi Python dasturlash tili yordamida amalga oshirildi. OpenCV kutubxonasi yordamida tasvirni yuklash, qayta ishlash va segmentatsiyalash jarayonlari bajarildi. Grafikalar va diagrammalarni generatsiya qilish uchun Matplotlib va NumPy kutubxonalaridan foydalanildi.
Tasvirni olish va ishlov berish: Trikotaj tasvirlarni qayta ishlash uchun quyidagi bosqichlar bajariladi:
- Tasvirni olish (kameralar yordamida).
- Tasvirlarni oldindan qayta ishlash (masalan, kontrastni oshirish va filtratsiya).
- Chegara aniqlash algoritmlari (Canny, Sobel va boshqalar).
- Tasvirni segmentatsiyalash (K-means yoki Otsu metodi).
Matematik model: Raqamli tasvirlarni ifodalashda quyidagi asosiy tenglama ishlatiladi:
N
1(x y) = Z wk • fk (x y)
k=i
Bu yerda:
79
Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 4 | 2024-yil
"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 4 | 2024 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 4 | 2024 год
1 ( x У ) _ tasvirning yorqinlik funksiyasi, fk(x, У) _
asosiy komponentalar,
• k - vazn koeffitsiyentlari,
• N - komponentalar soni.
Quyida tajriba natijalari diagrammalar va grafiklar yordamida ko'rsatilgan.
• Histogram: Tasvirdagi rang taqsimoti.
• Chegara aniqlash natijalari: Sobel va Canny filtrlarini qo'llash natijalarini qiyoslash.
• Segmentatsiya: K-means algoritmi yordamida tasvirni segmentatsiyalash natijalari.
Python dasturlash tilida Canny filtridan foydalanish quyida ko'rsatilgan
import cv2
import matplotlib.pyplot as plt
# Tasvirni yuklash
image = cv2.imread('trikotaj_tasvir.jpg' c v2.IMREAD_GRAYSCAL E)
# Canny chetlarni aniqlash
edges = cv2.Canny(image, 100, 200)
# Natijalarni vizualizatsiya qilish plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1) plt.title("Original Tasvir") plt.imshow(image, cmap='gray')
plt.subplot(1, 2, 2) plt.title("Canny Filtr Natijasi") plt.imshow(edges, cmap='gray') plt.show()
1-rasm: Matoning asl ko'rinishi
2-rasm: Canny filteri yordamida filterlash va mato gistorammasi
Xulosa: Ushbu maqolada trikotaj to'qima tasvirlarini aniqlash va ularga raqamli ishlov berishning zamonaviy usullari tahlil qilindi. Tasvirlarni qayta ishlashda Canny va Sobel algoritmlarining chetlarni aniqlashdagi samaradorligi, shuningdek, K-means klasterlash usulining segmentatsiya jarayonidagi yutuqlari ko'rib chiqildi. Python dasturlash tili yordamida ushbu algoritmlar amaliyotga tatbiq qilinib, natijalari grafikalar va diagrammalar orqali vizualizatsiya qilindi.
Tadqiqot natijalari shuni ko'rsatdiki, tasvirni oldindan qayta ishlash va chetlarni aniqlash jarayonlarida yuqori aniqlik va tezlikka erishish mumkin. Ayniqsa, Canny algoritmi trikotaj to'qimalaridagi mayda detallarni samarali aniqlashda afzalliklarga ega. Segmentatsiyada K-means algoritmi tasvirlarni tarkibiy qismlarga ajratishda yuqori aniqlikni ta'minladi. Ushbu yondashuvlar trikotaj mahsulotlarida nuqsonlarni aniqlash jarayonini avtomatlashtirish va ishlab chiqarish sifatini oshirishga xizmat qiladi.
Ushbu yondashuvlarni chuqur o'rganish algoritmlari, jumladan konvolyutsion neyron tarmoqlar (CNN) bilan birlashtirish orqali yanada murakkab nuqsonlarni aniqlash va sifatni nazorat qilish jarayonlarini takomillashtirish mumkin. Ushbu tadqiqot raqamli texnologiyalar yordamida to'qimachilik sanoatida sifat nazoratini
80
Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 4 | 2024-yil
"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 4 | 2024 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 4 | 2024 год
avtomatlashtirishda muhim qadam bo'lib xizmat qiladi.
Foydalanilgan adabiyotlar:
1. Gonzalez R. C., Woods R. E. Digital Image Processing. Pearson Education, 2018.
2. Bishop C. M. Pattern Recognition andMachine Learning. Springer, 2006.
3. Smith S. M., Brady J. M. SUSAN - A New Approach to Low Level Image Processing. International Journal of Computer Vision, 1997.
4. Sharifjonovich M. X. TRIKOTAJ MAHSULOTLARIDA NUQSONLI TO 'QIMALARNING ANIQLA SHNING MATEMATIK MODELI VA UNING ALGORITMLARI //Al-Farg'oniy avlodlari. -
2023. - T. 1. - №. 4. - C. 194-196.
5. Kumar S. et al. Defect Detection in Textile Fabrics Using Computer Vision. Springer, 2019.
6. Sharifjonovich M. K. MODELS FOR DETECTING DEFECTIVE FABRICS IN KNITTED PRODUCTS //Academia Repository. - 2023. - T. 4. - №. 11. - C. 24-27.
7. Sobirov M. et al. Method of assessment of structural properties of knitted fabrics based on image analysis //E3S Web of Conferences. -EDP Sciences, 2024. - T. 587. - C. 03020.
8. Xurshid M., Kamoliddinov A. THE ROLE OF ONLINE STORIES IN THE FUTURE GENERATION AND OUR LIFE //Miasto Przyszlosci. - 2024. - T. 47. - C. 1132-1138.
9. Akhundjanov U. et al. Handwritten signature preprocessing for off-line recognition systems //E3S Web of Conferences. - EDP Sciences,
2024. - T. 587. - C. 03019.
10. Huang T., Yang G., Tang G. A Fast Two-Dimensional Median Filtering Algorithm. IEEE Transactions on Acoustics, Speech, and Signal Processing, 1979.
81
