Pattern Classification of Fabric Defects Using a Probabilistic Neural Network and Its Hardware Implementation using the Field Programmable Gate Array System

Journal Title: Fibres and Textiles in Eastern Europe - Year 2017, Vol 25, Issue 1

Abstract

This study proposes a fabric defect classification system using a Probabilistic Neural Network (PNN) and its hardware implementation using a Field Programmable Gate Arrays (FPGA) based system. The PNN classifier achieves an accuracy of 98 ± 2% for the test data set, whereas the FPGA based hardware system of the PNN classifier realises about 94±2% testing accuracy. The FPGA system operates as fast as 50.777 MHz, corresponding to a clock period of 19.694 ns.

Authors and Affiliations

Abul Hasnat, Anindya Ghosh, Amina Khatun, Santanu Halder

Keywords

Related Articles

Wytrzymałość statyczna i zmęczeniowa liniowych wyrobów włókienniczych 

Prezentowana publikacja jest przeglądem prac kierowanych lub inspirowanych przez nieżyjącego Profesora Andrzeja Włochowicza na tle obecnego stanu wiedzy a opracowana przez jego współpracowników, jako wyraz pamięci i uzna...

Właściwości monowłókien jedwabnych przy jednokierunkowym skręcaniu

Badania przeprowadzono za pomocą specjalnie zbudowanego urządzenia do badania skrętu włókien. Badano kąt przełomu oraz ilość cykli doprowadzających do zerwania. Sprawdzano również wpływ długości próbki oraz wstępnego nap...

Development of Woven Spacer Fabrics Based on Steel Wires and Carbon Rovings

Woven spacer fabrics are used as reinforcing materials for fiber-reinforced plastics. These fabrics consist of mostly pliable textile fibers, which still require defined rigidity for different crash applications. In this...

Modeling of Ozonation of Reactive Black 5 Through a Kinetic Approach

C.I. Reactive Black 5 (RB5) is the most commonly used dye in the textile industry. Ozone is a strong oxidan that can decompose many barely degradable pollutants, including dyes. Although there are many literature reports...

Wpływ użytkowania ręcznie wiązanych dywanów na ich odporność przy ściskaniu

Właściwości podczas ściskania są podstawowym czynnikiem określającym żywotność każdego dywanu. Odporność na ściskanie okrywy dywanu, jako jedna z podstawowych właściwości ściskania dywanu zmienia się z ich ekspozycją na...

Download PDF file
  • EP ID EP199554
  • DOI 10.5604/01.3001.0010.1709
  • Views 80
  • Downloads 0

How To Cite

Abul Hasnat, Anindya Ghosh, Amina Khatun, Santanu Halder (2017). Pattern Classification of Fabric Defects Using a Probabilistic Neural Network and Its Hardware Implementation using the Field Programmable Gate Array System. Fibres and Textiles in Eastern Europe, 25(1), 42-48. https://europub.co.uk/articles/-A-199554