Inteligentne algorytmy analizy ultradźwiękowych obrazów w badaniach bezstykowych złączy szyn metodą TOFD

• Autorzy: Piotr Lesiak , Piotr Bojarczak

Warianty tytułu

Intelligent Algorithms of Analysis of Ultrasonic Images of Seamless Joints Captured with TOFD Method

• Języki publikacji: PL

Abstrakty

W pracy przedstawiono technologię ultradźwiękowej metody TOFD (ang. Time-Of-Flight Diffraction) do badania spawanych i zgrzewanych złączy szyn kolejowych w torze. Omówiono specyfikę uzyskiwanych z takich badań obrazów i algorytmy pozyskiwania informacji o wadach w złączach szyn, traktując te obrazy, jako teksturę. Wykorzystano w tych algorytmach procedurę ekstrakcji wektorów cech dla każdego piksela za pomocą dekompozycji falkowej, następnie zoptymalizowano je stosując analizę głównych składowych PCA (ang. Principal Component Analysis). W końcowym etapie klasyfikacji obrazu, jako klasyfikator binarny wad zastosowano metodę SVM (ang. Support Vector Machines).(abstrakt oryginalny)

EN

The paper presents ultrasonic TOFD method using in diagnostic of welded and flash-welded joints of railway rails. Features of ultrasonic images of seamless joints obtained with the use of TOFD and image processing algorithms using in extraction of flaws from these images have been presented. These algorithms use wavelet transform to extract the feature vector describing flaw zone. Dimension of feature vector is reduced with the use of PCA (Principal Component Analysis). At the end of analyzing procedure SVM (Support Vector Machines) classifier is used in determination if extracted feature vector corresponds or not to the flaw zone.(original abstract)

Słowa kluczowe

PL

Analiza obrazu; Algorytmy

EN

Image analysis; Algorithms

• Czasopismo: Logistyka
• Rocznik: 2012
• Numer: nr 3, CD 1
• Strony: 1279--1285

Twórcy

autor

Piotr Lesiak

• Politechnika Radomska

autor

Piotr Bojarczak

• Politechnika Radomska

Bibliografia

• [1] Application of ultrasonic Phased Arrays for rail flaw inspection. U.S. Department of Transportation. Federal Railroad Administration. DOT/FRA/ORD-06/17 July 2006.
• [2] Baskaran G., Balasubramaniam K., Lakshmana Rao C.: Ultrasonic TOFD flaw sizing and imaging in thin plates using Embedded Signal Identification Technique (ESIT). Insight - Non-Destructive Testing and Condition Monitoring (The Journal of The British Institute of Non-Destructive Testing), Vol. 46, No 9, September 2004.
• [3] Bondarova A., Bennamoun M., Latham S.: Optimal Gabor filter for textile flaw detection. Pattern Recognition, Vol. 35, (2973 -2991), December 2002.
• [4] Bishop C.M.: Neural networks for Pattern Recognition, Oxford University Press, 1996
• [5] Bovik Al.: Handbook of Image and Video Processing. Academic Press 2000.
• [6] C'Shekhar N Shitole, O Zahran and W Al-Nuaimy: Combining fuzzy logic and neural networks in classification of weld defects using ultrasonic time-of-flight diffraction. The 45th Annual British Conference on NDT, Stratford-upon- Avon, UK, September 2006.
• [7] C'Shekhar N. Shitole, O. Zahran and W. Al-Nuaimy: Advanced neural-fuzzy and image processing techniques in the automatic detection and interpretation of weld defects using ultrasonic Time-of-Diffraction. 4th International Conference on NDT, Hellenic Society for NDT, Chania, Crete - Greece, 11-14 October 2007.
• [8] Daubechies I.: Ten lectures on wavelets. SIAM Press, 1988.
• [9] Haralick R.M., Shanmugam K., Dinstein I.:Textural features for image classification. IEEE Trans. on Systems, Man and Cybernetics, Vol. SMC-3, n°6, (610 -621) November 1973.
• [10] Haykin S.: Neural Networks a comprehensive foundation. Prentice Hall International Inc 1996.
• [11] Katalog wad w szynach. Kod UIC 712 R. Wydanie IV, luty 2002.
• [12] Kechida A., Drai R., Khelil M.: 2D Gabor Functions and FCMI Algorithm for Flaws Detection in Ultrasonic Images. World Academy of Science, Engineering and Technology 9 (184 - 188), 2005.
• [13] Kechida A, Drai R., Benammar A.: Image Processing and wavelets transform for Sizing of Weld Defects Using Ultrasonic TOFD images. Acoustic`08, Paris, June 29 - July 4, (609 - 614), 2008.
• [14] Kechida A., Drai R., Guessoum A.: Detection Automatique des Defauts Dans des Images Industrielles Ultrasonores en Utilisant les Supports Vectors Machines (SVM). Conférence Internationale sur le Soudage, le CND et l'Industrie des Métaux, IC-WNDT-MI'10, Oran, 27 - 28 Novembre 2010.
• [15] Krishnamurthy C.V., Baskaran G., Balasubramaniam K., Rao C.L.: Development of an advanced ultrasonic TOFD system. Journal of Non-Destructive Testing and Evaluation, Vol. 3, (24-32), 2004.
• [16] Lesiak P.: Mobilna diagnostyka szyn w torze kolejowym. Wyd. Politechniki Radomskiej, seria monografie, nr 116, Radom 2008.
• [17] Mackiewicz S.: Metoda TOFD nowe podejście do ultradźwiękowych badań spoin. Badania Nieniszczące PTBN, nr 9, (20 - 23), 1997.
• [18] Mitchell T.: Machine Learning. McGraw-Hill , 1997.
• [19] de Moura E. P., Siqueira M. H. S., da Silva R. R., Rebello J. M. A., Calôba L. P.: Welding defect pattern recognition in TOFD signals. Part 1. Linear classifiers. Insight - Non-Destructive Testing and Condition Monitoring, Vol. 47, Number 12, 1 December (777 - 782), 2005.
• [20] Schölkopf B., Smola A.: Learning with Kernels, Support Vector Machines, Regularization, Optimization and Beyond. MIT Press, 2002.
• [21] Stąpor K.: Automatyczna klasyfikacja obiektów. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2005.
• [22] Veiga J. L. B. C., de Carvalho A. A., da Silva I. C., Rebello J. M. A.: The use of artificial neural network in the classification of pulse-echo and TOFD Ultra-Sonic signals. Braz. Soc. Mech. Sci. & Eng. vol.27 no.4 Rio de Janeiro Oct./Dec. 2005.