تشخیص عیوب جوشکاری در تصاویر رادیوگرافی با استفاده از طبقه بندی کننده شبکه عصبی

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,821

فایل این مقاله در 14 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:

ICTINDT01_066

تاریخ نمایه سازی: 5 تیر 1387

چکیده مقاله:

این مقاله در واقع به کمک روشهای تشخیص الگو ( Pattern Recognition ) در تصاویر رادیوگرافی با اشعه ایکس به تشخیص عیوب جوشکاری می پردازد . در این مقاله یک سیستم تشخیص الگو متشکل از قسمتهای پردازش تصویر استخراج ویژگی و قسمت هوشمند شبکه عصبی جهت تفسیر اتوماتیک و کامپیوتری عیوب جوشکاری ارائه شده است . ابتدا با استفاده از بلوک پردازش تصویر کیفیت تصاویر رادیوگرافی تا حد قابل قبولی ارتقا داده می شوند سپس برخی ویژگیهای ساختاری از هر تصویر استخراج می شوند تاجهت تغذیه به ورودی بلوک طبقه بندی کننده بکار روند. در نهایت طبقه بندی کننده شبکه عصبی طراحی شده، جداسازی تصاویر معیوب را از سالم انجام می دهد. در عمل هنگام رادیوگرافی ، بیش از 60 (شصت ) درصد تصاویر رادیوگرافی معیوب نیستند ولی نیاز دارند که توسط مفسر رادیوگرافی جوش که دارای تخصص و Certificate های کافی در این زمینه باشد مورد بازرسی فنی قرار گیرند . این عمل یک فرآیند وقت گیر برای مفسر جوش است و باعث کاهش حساسیت بازرسی چشمی می شود و قابلیت اطمینان تفسیر جوش را به خصوص برای تصاویر معیوب به شدت کاهش می دهد . سیستم هوشمند تشخیص الگوی معرفی شده، جهت حل این مشکل طراحی شده است و بر روی نمونه تصاویر رادیوگرافی خطوط لوله تست شده و نتایج مطلوبی اخذ گردیده است.

کلیدواژه ها:

نویسندگان

سعید منصوری

کارشناس ارشد امور پژوهش

غلامرضا نوزاد علمداری

تکنسین ارشد مکانیک تعمیرات مولدهای برق

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 :
  • da Silva, R.R., Caloba, L.P., Siqueira, M.H.S. and Rebello, J.M.A.(2004). ...
  • Gonzalez, R.C. and Wintz, P.(1987). Digital Image Processing. Addi son-Wesley, ...
  • Wanga, X. and Wong, B.S. (2004). Image En hancement for ...
  • Wang, G. and Liao, T.W.(2002). Automatic Identification of Different Types ...
  • Shafeek, H.I., Gadelmawla, E.S., Abdel-Shafy, A.A. and Elewa, I.M. (2004). ...
  • Castleman, K.R.(1979). Digital Image Processing. Englewood ...
  • Wang, _ and Liao, T.W. (2002). Automatic Identification of Different ...
  • Liao, T.W. and Ni, J. (1999). An Automated Radiographic NDT ...
  • Trier, 4.D. and Taxt, T. (1995). Evaluation of Binarization Methods ...
  • Trier, 4.D. and Jain, A.K. (1995). Goal Directed Evaluation of ...
  • Juang, S.C., Tarng, Y.S. and Lii, H.R. (1998). A comparison ...
  • Jain, A.K., and Mao, J. (1996) Artificial Neural Networks : ...
  • Trier, $.D. and Jain, A.K. (1996) Feature Extraction Methods for ...
  • Srikantan, G. et al. (1996) Gradient Based Contour Encoding for ...
  • نمایش کامل مراجع