تشخیص خودکار عیوب جوش در تصاویر رادیوگرافی با استفاده از ماشین بردار پشتیبان

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 943

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CBCONF01_0924

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

یکی از مشکلات عمده درخطوط انتقال نفت و گاز، عیوب ایجاد شده در اتصال جوش لوله ها می باشد در صورتعدم تشخیص به موقع این خرابی ها، خسارات اقتصادی و زیست محیطی ناشی از آن پیامدهای ناگواری را خواهد داشتبنابراین تشخیص دقیق و به موقع عیوب جوش از اهمیت بسیار بالایی برخوردار است در دنیای بینایی ماشین، بسیاری ازمسائل تشخیص و دسته بندی همانند تشخیص چهره، در حال حاضر بدون استفاده از سگمنت بندی تصویر حل می شوددر اینگونه موارد با استفاده از روش پنجره لغزان و ویژگی های جدید مانند الگوی باینری محلی که از نقشه برجسته هااستخراج می گردد، می توان مسئله را حل نمود دراین راستا، روش پیشنهادی مطرح شده در این مقاله برای تشخیصخودکار عیوب جوش، استفاده از روش پنجره لغزان است ارزیابی انجام شده حاکی از صحت 94 درصدی تشخیص بااستفاده از طبقه بندی کننده ماشین بردار پشتیبان (SVM) و بهره گیری از 14 نوع ویژگی انتخابی، می یاشد با توجه بهکارایی موثر روش پیشنهادی، انتظار می رود این روش نگرش جدیدی در تحقیقات مربوط به تشخیص خودکار عیوب جوشارائه دهد.

نویسندگان

احمد قربانی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران

سجاد توسلی

عضو هیات علمی، گروه کامپیوتر، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران

مجید ابوطالبی

عضو هیات علمی، گروه کامپیوتر، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • pattern recognition: A review6. IEEE Trans. Statisticalه 33. Jain, A.K., ...
  • Pattern Recognition". Wiley, England, 2005. Statisticalه 35. Webb, A. ...
  • Silva, R. and Mery, D. _ _ State-of-the-at of weld ...
  • Anand, R., Kumar, P., et al.: Flaw detection in radiographic ...
  • Baniukiewicz, P.: Automated defect recognition and identification in digital radiography. ...
  • Gao, W., Hu, Y.H.: Real-time X-ray radiography for defect detection ...
  • _ Kaftandjian, V., Dupuis, O., Babot, D., Zhu, Y.M.: Uncertainty ...
  • Kumar, J., Anand, R., Srivastava, S.: Flaws classification using ANN ...
  • Kumar, J., Anand, R., Srivastava, S.: Multi-class welding flaws classification ...
  • Liao, T.: Classification of weld flaws with imbalanced class data. ...
  • Liao, T.W.: Improving the accuracy of _ omputer-aided radiographic weld ...
  • Lindgren, E.: Detection, 3-D positioning, and sizing of small pore ...
  • and tracking. EURASIP J. Adv. Signal Process. 2014(1), 1-17 (2014) ...
  • Mery, D., Berti, M.A.: Automatic detection of welding defects using ...
  • Mery, D.: Automated detection of welding defects withot segmentation. Mater. ...
  • Mu, W., Gao, J., Jiang, H., Wang, Z., Chen, F., ...
  • Shi, D.H., Gang, T., Yang, S.Y., Yuan, Y.: Research on ...
  • Shao, J., Du, D., Chang, B., Shi, H.: Automatic weld ...
  • da Silva, R.R., Caloba, L.P., Siqueira, M.H., Rebello, J.M.: Pattern ...
  • Vilar, R., Zapata, J., Ruiz, R.: An automatic system of ...
  • Wang, Y., Sun, Y., Lv, P., Wang, H.: Detection of ...
  • Yirong, Z., Dong, D., Baohua, C., Linhong, J., Jiluan, P.: ...
  • Zapata, J., Vilar, R., Ruiz, R.: Automatic inspection system of ...
  • Mery, D . (2015). Computer Vision for X-Ray Testing. Springer ...
  • Viola, P. and Jones, M. "Robust real-time object detection". International ...
  • Dalal, N. and Triggs, B. "Histograms of oriented gradients for ...
  • Proceedings of the Conference _ Computer Vision and Pattern Recognition ...
  • Ojala, T, Pietikainen, M. and Maenpaa, T. _ 0Multires olution ...
  • Montabone, S. and Soto, A. "Human detection using a mobile ...
  • Shi, D.-H., Gang, T., Yang, S.Y., and Yuan, Y. :Research ...
  • Liao, T.W. "Classification of weld flaws with imbalanced class data". ...
  • Liao, T.W. "Improving the accuracy of c omputer-aided radiographic weld ...
  • Liao, T.W. "Classification of welding flaw types with fuzzy expert ...
  • Harris, C. and Stephens, M.J. _ combined corner and edge ...
  • Nixon, M. and Aguado, A. "Feature Extraction and Image Processing. ...
  • Gonzalez, R.C. and Woods, R.E. "Digital Image Processing. Pearson, Prentice ...
  • Shawe-Taylor J., and Cristianin. N. "Kernel Methods for Pattern Analysis". ...
  • Duda, R.O., Hart, P.E. and Stork, D.G. :Patter Classification: John ...
  • Bishop, C.M. "Patter Recognition and Machine Learning". Springer, 2006. ...
  • Mitchell, T.M. "Machine Learning". McGraw-Hill, Boston, 1997. ...
  • Mery, D. 22 Automated Detection of Welding Discontinuitis without Segmentation". ...
  • نمایش کامل مراجع