Fabric Defect Detection Using a Hybrid and Complementary Fractal Feature Vector and FCM-based Novelty Detector

Automated detect detection in woven fabrics for quality control is still a challenging novelty detection problem. This work presents five novel fractal features based on the box-counting dimension to address the novelty detection of fabric defect. Making use of the formation of woven fabric, the fractal features are extracted in a one-dimension series obtained by projecting a fabric image along the warp and weft directions, where their complementarity in discriminating defects is taken into account. Furthermore a new novelty detector based on fuzzy c-means (FCM) is devised to deal with one-class classification of the features extracted. Finally, by jointly applying the features proposed and the FCM based novelty detector, we evaluate the method proposed for eight datasets with different defects and textures, where satisfying results are achieved with a low overall missing detection rate.

---

Automatyczne wykrywanie defektów tkanin w celu kontroli ich jakości mimo wielu dotychczasowych badań nadal stanowi wyzwanie. Mając na celu opracowanie nowatorskiej metody wykrywaniem wad tkanin przedstawiono pięć cech fraktalnych. W celu klasyfikacji wyodrębnionych cech opracowano detektor wad tkanin oparty na zbiorze rozmytym wartości średnich (FCM). Poprzez wspólne zastosowanie proponowanych cech i opartego na FCM detektorze sprawdzono proponowaną metodę dla ośmiu zestawów danych z różnymi defektami i teksturami. Stwierdzono, że otrzymane wyniki są na satysfakcjonującym poziomie.

---

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).