CC BY
2Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 4 | 2023-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 | 2023 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 4 | 2023 год
TRIKOTAJ MAHSULOTLARIDA NUQSONLI TO'QIMALARNING ANIQLASHNING MATEMATIK MODELI VA UNING ALGORITMLARI
Musayev Xurshid Sharifjonovich,
Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti Farg'ona filiali, Dasturiy injiniring kafedrasi katta o'qituvchisi, musayevxurshidbek@gmail.com,
Annotatsiya. Ushbu maqolada trikotaj mahsulotlarida nuqsonli matolarni aniqlash uchun mo'ljallangan matematik modelning har tomonlama tadqiqi keltirilgan. Taklif etilayotgan model to'qimachilik mahsulotlaridagi nuqsonlarni aniqlashning aniqligi va samaradorligini oshirish uchun ilg'or algoritmlardan foydalanadi. Tajriba va tahlillar orqali musbat va manfiy minimallashtirish, mato sifatini nazorat qilish jarayonlarini yaxshilashga hissa qo'shish bo'yicha yondashuv samaradorligini ko'rsatilgan.
Kalit so'zlar: Nuqsonli mato, trikotaj mahsulotlari, matematik model, to'qimachilik sifatini nazorat qilish, algoritm, matoni tekshirish, kompyuter ko'rishi, rasmga ishlov berish, kamchiliklarni aniqlash, sifat kafolati.
Kirish: To'qimachilik sanoati jahon iqtisodiyotida hal qiluvchi o'rin tutadigan sohalar sarasiga kiradi va trikotaj mahsulotlari sifatini ta'minlash muhim ahamiyatga ega. Nuqsonli matolar nafaqat yakuniy mahsulotning estetik jozibasini buzadi, balki uning chidamliligi va funksionalligiga ham ta'sir qiladi. Ushbu maqola yuqorida ko'rsatilgan muammolarni hal qilish uchun trikotaj matolaridagi nuqsonlarni aniqlashning ilg'or algoritmlari bilan jihozlangan yangi matematik modelni taqdim etadi. Kompyuter ko'rish va tasvirni qayta ishlash usullarining integratsiyasi sifatni nazorat qilishning an'anaviy jarayonlarini yaxshilashga qaratilgan bo'lib, nuqsonlarni aniqlash va tasniflashning yanada samarali va aniq vositalarini taklif qiladi.
Adabiyot sharhi: Mato nuqsonlarini aniqlash bo'yicha oldingi tadqiqotlar asosan to'qilgan matolarga qaratilgan bo'lib, trikotaj mahsulotlariga oid adabiyotlarda bo'sh joy qoldirdi. Mavjud yondashuvlar ko'pincha trikotaj to'qimachilikning murakkab naqshlaridagi nuqsonlarni aniqlash uchun zarur bo'lgan murakkablikka ega emas. Ushbu tadqiqot kompyuterni ko'rish va nuqsonlarni aniqlash bo'yicha ilgari ishlagan asoslarga asoslanadi, bu tushunchalarni trikotaj matolar tomonidan taqdim etilgan muayyan qiyinchiliklarga moslashtiradi va kengaytiradi.
Metodlar: Taklif etilayotgan matematik model trikotaj matolarda nuqsonlarni aniqlashni kuchaytirish
uchun ilg'or algoritmlarni birlashtiradi. Dastlab, mato yuqori aniqlikdagi tasvirlash usullari yordamida skanerdan o'tkaziladi. Keyin tasvirlarni oldindan qayta ishlash, tegishli xususiyatlarni olish va shovqinni kamaytirish uchun kompyuter ko'rish algoritmlari qo'llaniladi. Keyinchalik, mashinani o'rganishga asoslangan klassifikator har xil turdagi nuqsonlarni aniqlash uchun etiketli tasvirlar ma'lumotlar to'plamida o'qitiladi. Model vaqt o'tishi bilan uning aniqligini oshirish uchun interaktiv o'rganish orqali yaxshi sozlanadi. Bundan tashqari, real vaqt rejimida monitoring va qayta aloqa mexanizmlari o'rnatilgan bo'lib, tizim rivojlanayotgan ishlab chiqarish sharoitlariga moslashishga imkon beradi. Algoritmning ishlashi "Benchmark" ma'lumotlar to'plamiga nisbatan baholanadi, bu uning nuqsonlarni aniqlash va tasniflashdagi samaradorligini namoyish etadi. [1]
Mato nuqsonlarini aniqlashning keng qamrovli matematik modelini yaratish trikotaj mahsulotlaridagi nuqsonlarni aniqlashni boshqaradigan asosiy tamoyillar va tenglamalarni aniqlashni o'z ichiga oladi. Quyida nuqsonlarni aniqlash jarayonining asosiy komponentlarini tavsiflovchi soddalashtirilgan matematik model keltirilgan. [3]
194
Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 4 | 2023-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 | 2023 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 4 | 2023 год
Trikotaj matoning kulrang shkalasi piksel qiymatlarini ifodalovchi (x,y) koordinatalaridagi
tasvirning intensivligi 1 ( x, y ^ bo'lsin.
1. Tasvirlarga qayta ishlov berish quyidagilardan iborat bo'ladi
- Tasvirlarni xiralashish quyidagi formula orqali amalga oshiriladi:
1 1 1
1 blurred ( X У) = - EE 1 ( X + i> У + j )
9 i=-1 j=-1
- Tasvirdagi gradiyentni hisoblash uchun ushbu formula yordam beradi:
Gradient ( x, y ) =
dl
N2 i
blurred
dx
dl,
blurred
dy
2. Xususiyatlarni chiqarish: - Yo'naltirilgan gradiyentlar gistogrammasi:
HOG ( x, y) = ,
dl,
blurred
dx
dl
blurred
dy
- Qo'shimcha xususiyatlar nuqsonlarning o'ziga xos xususiyatlariga asoslanib olinishi mumkin.
3. Mashinani o'rganish modeli:
- X tasvirning turli xil joylarini ifodalovchi matritsa bo'lsin.
- Y vektor bo'lib, tasvirda nuqson borligini (1) yoki yo'qligini (0) ko'rsatadi.
- Chiqarilgan xususiyatlar asosida nuqsonlarni tasniflash uchun chiziqli yadroli yordam vektor mashinasidan foydalaniladi.
4. Modelni baholash:
Ushbu matematik model tasvirni qayta ishlash, xususiyatlarni ajratib olish va mashinani o'rganish komponentlarini o'z ichiga oladi. Haqiqiy matematik tenglamalar va algoritmlar tasvirni qayta ishlashning o'ziga xos usullariga va amalga oshirish uchun tanlangan mashinani o'rganish algoritmlariga bog'liq bo'ladi.
Quyida tasvirni qayta ishlash usullaridan foydalangan holda asosiy nuqsonli matoni aniqlash algoritmini simulyatsiya qiluvchi Python dasturlash tilida oddiy misoli keltirilgan. Bu soddalashtirilgan, kam ma'lumotlar bazasi yordamida bajarilgan, agar kattaroq ma'lumotlar to'plami yordamida bajariladigan bo'lsa yanada murakkab algoritm kerak bo'ladi. [2, 4]
# Kerakli kutubxonalarni import qilish import cv2
import numpy as np
from sklearn.modelselection import
train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracyscore
# Tasvirni oldindan qayta ishlash funktsiyasi defpreprocess_image(image _path):
image = cv2.imread(image _path,
cv2.IMREADGRA YSCALE)
# Bu yerga rasmni qayta ishlash bosqichlarini
# qo'shish mumkin (masalan, o'lchamini o'zgartirish,
# normallashtirish) return image
# Tasvirdan xususiyatlarni ajratib olish funktsiyasi def extract_features(image):
# Bu yerga xususiyatni ajratib olish usullari
# qo'shilgan (masalan,yo'naltirilgangradientlar
# gistogrammasi) features = np.ravel(image) return features
#Mashinali o'rganish modelini o'rgatishfunktsiyasi def train_model(X, y):
model = SVC(kernel='linear') model.fit(X, y) return model
# Modelni baholash funktsiyasi
def evaluate_model(model, X test, ytest): y_pred = model.predict(Xtest) accuracy = accuracy_score(y_test, y_pred) return accuracy
# Asosiy funktsiya def main():
defectimage _path = 'path/to/defect/image.jpg' non_defect_image_path =
'path/to/non_defect/image.jpg'
# Tasvirlarni oldindan qayta ishlash va
# xususiyatlarni ajratib olish
195
2
2
2
Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 4 | 2023-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 | 2023 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 4 | 2023 год
defectimage =
preprocess_image(defect_image _path)
non_defect_image =
preprocess_image(non_defect_image _path)
defect_features = extract_features(defect_image) non_defect_features =
extract_features(non_defect_image)
X = [defectfeatures, nondefectfeatures]
y = [1, 0]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
model = train_model(X_train, y_train)
accuracy = evaluate _model(model, Xtest, y_test)
print(f' Modelning aniqligi: {accuracy}')
if __name__ == "__main__": main()
Xulosa: Xulosa qilib aytganda, murakkab algoritmlar bilan birga taklif etilayotgan matematik model trikotaj mahsulotlarida nuqsonli matolarni aniqlashning istiqbolli yechimini taklif etadi. Kompyuterni ko'rish va mashinani o'rganish usullarini qo'llash orqali bizning yondashuvimiz sifatni nazorat qilishning an'anaviy usullariga nisbatan aniqlik va samaradorlikning sezilarli yaxshilanishini namoyish etadi. Ushbu taraqqiyot to'qimachilik sanoatida inqilob qilish, mahsulot sifatini oshirish va nuqsonlar bilan bog'liq ishlab chiqarish xarajatlarini kamaytirish salohiyatiga ega. Texnologiyalar rivojlanishda davom etar ekan, turli to'qimachilik ishlab chiqarish sharoitlarida modelning mustahkamligi va qo'llanilishini oshirish uchun qo'shimcha takomillashtirish va integratsiyalarni o'rganish mumkin.
Foydalanilgan adabiyotlar:
1. SUN'IY INTELLEKT YORDAMIDA TRIKOTAJ TO'QIMALARINI
NO S OZLIKLARNI ANIQLASH USULLARI.
196
(2023). Journal of Technical Research and Development, 1(2), 361-366.
https://jtrd.mcdir.me/index.php/j trd/articl e/vi ew/ 6 2
2. Kayumov, A., Musayev, X., Soliyev, B., & Ermatova, Z. (2023). PYTHON DASTURLASH TILIDA RASMLAR BILAN ISHLASH. PILLOW MODULI. Research and implementation.
3. Ermatova Z.Q.PYTHON DASTURLASH TILIDA FAYLLAR BILAN ISHLASH. (2023). Journal of Technical Research and Development, 1(2), 231238.
https://jtrd.mcdir.me/index.php/j trd/articl e/vi ew/ 4 3
4. Sh, Musayev X., and Abdukarimova MS. "PYTHONDA DASTUR YOZISH QOIDALARI." SO 'NGI ILMIY TADQIQOTLAR NAZARIYASI 6.4 (2023): 113119.
