Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://earchive.tpu.ru/handle/11683/59518
Название: | Распознавание дефектов сварных соединений по фотоизображениям с использованием геометрических признаков |
Авторы: | Погадаева, Екатерина Юрьевна |
Научный руководитель: | Муравьев, Сергей Васильевич |
Ключевые слова: | сварной шов; дефект; сегментация; классификация; визуальный контроль; обработка изображения; weld; defect; segmentation; classification; visual inspection; image processing |
Дата публикации: | 2020 |
Библиографическое описание: | Погадаева Е. Ю. Распознавание дефектов сварных соединений по фотоизображениям с использованием геометрических признаков : научный доклад / Е. Ю. Погадаева ; Национальный исследовательский Томский политехнический университет (ТПУ), Управление магистратуры, аспирантуры и докторантуры (УМАД), Отдел аспирантуры и докторантуры (ОАиД) ; науч. рук. С. В. Муравьев. — Томск, 2020. |
Аннотация: | Представлен алгоритм автоматизированного распознавания дефектов (АРД) для обнаружения и классификации дефектов сварных швов по фотоизображениям. Предложенный алгоритм распознавания выделяет дефектную область на сегментированном изображении, извлекает из изображений геометрические особенности и относит дефект к одному из шести классов: отсутствие дефекта, полость, продольная трещина, поперечная трещина, прожог, множественный дефект. Алгоритм реализован в пакете Matlab 2018b MathWorks и протестирован на 60 фотоизображениях дефектов различных классов; точность распознавания составила 85 %. An automated defect recognition algorithm is presented for detecting and classifying weld defects by photographic images. The proposed recognition algorithm selects a defective domain in a segmented image, extracts geometric features from the image, and relates the defect to one of six classes: no defect, cavity, longitudinal crack, transverse crack, burn-through, or multiple defect. The algorithm is implemented in the Matlab 2018b MathWorks environment and has been tested on 60 photographs of defects of various classes; the accuracy of recognition was 85% |
URI: | http://earchive.tpu.ru/handle/11683/59518 |
Располагается в коллекциях: | Научные доклады |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
TPU901088.pdf | 106,15 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.