SVM-based learning method for improving colour adjustement in automotive basecoat manufacturing

Autor:	Ruiz Vegas, Francisco Javier, Agell Jané, Núria, Angulo Bahón, Cecilio
Přispěvatelé:	Universitat Politècnica de Catalunya. Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial, Universitat Politècnica de Catalunya. GREC - Grup de Recerca en Enginyeria del Coneixement
Jazyk:	angličtina
Rok vydání:	2009
Předmět:	Support vector machines Informàtica::Automàtica i control [Àrees temàtiques de la UPC] Aprenentatge automàtic Automobile industry and trade Reconeixement de formes (Informàtica) Algorismes Algorithms Automòbils -- Indústria i comerç
Zdroj:	UPCommons. Portal del coneixement obert de la UPC Universitat Politècnica de Catalunya (UPC) Recercat. Dipósit de la Recerca de Catalunya instname
Popis:	new iterative method based on Support Vector Machines to perform automated colour adjustment processing in the automotive industry is proposed in this paper. The iterative methodology relies on a SVM trained with patterns provided by expert colourists and an actions’ generator module. The SVM algorithm enables selecting the most adequate action in each step of an iterated feed-forward loop until the final state satisfies colourimetric bounding conditions. Both encouraging results obtained and the significant reduction of non-conformance costs, justify further industrial efforts to develop an automated software tool in this and similar industrial processes.
Databáze:	OpenAIRE
Externí odkaz:	https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::9225664b6a24fcfa31cb19d4a017f1a1 https://hdl.handle.net/2117/9855 Zobrazit plný text záznamu