文献

J-GLOBAL ID：201702252065530991   整理番号：17A1525802

X線画像に基づく厚い鋼管溶接部における気孔欠陥の自動検出【JST・京大機械翻訳】

Automatic detection of blowholes defects in X-ray images of thick steel pipes

著者 (6件)： Chen Benzhi (上海交通大学電子信息与電气工程学院,上海,200240) ,  Fang Zhihong (宝山鋼鉄股fen有限公司研究院,上海,201900) ,  Xia Yong (宝山鋼鉄股fen有限公司研究院,上海,201900) ,  Zhang Ling (宝山鋼鉄股fen有限公司鋼管条鋼事業部,上海,201900) ,  Lan Shouren (上海交通大学電子信息与電气工程学院,上海,200240) ,  Wang Lisheng (上海交通大学電子信息与電气工程学院,上海,200240)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 37  号： 3  ページ： 849-853  発行年： 2017年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 厚い鋼管のX線画像の強度分布が不均一で、コントラストが低く、ノイズが大きく、かつ気孔欠陥の大きさ、形状、位置、コントラストが異なるため、各種タイプの気孔を自動的に検出することは困難である。従来の欠陥検出アルゴリズムにおける手作業の欠陥データの作業量が大きいため、溶接部のエッジが正確に抽出できないなどの問題に対して、新しい教師なし学習の各種気孔欠陥検出アルゴリズムを提案した。まず第一に,高速独立成分分析を用いて,X線画像の集合から独立した基底を学習し,この基底の線形結合を用いて,欠陥のある試験画像を選択的に再構成した。次に,試験画像と再構成画像の間の差異によって,異なる画像を得て,種々の気孔を,全体の閾値によって,異なる画像から分割した。実験の訓練セットは320の幅があり、テストセットは60の画像があり、提案したアルゴリズムの検出結果の平均敏感性と正確率は90.5%と99.7%であった。実験結果により,本アルゴリズムは,手動で標識データを抽出することなく,また,溶接端部を抽出することができ,そして,正確に,種々の気孔欠陥を検出することができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *溶接部 ,  コントラスト ,  アルゴリズム ,  高速度 ,  *気孔 ,  *画像 ,  雑音 ,  *X線画像 ,  独立成分分析 ,  再構成 ,  *鋼管 ,  *溶接 ,  基底 ,  教師なし学習
準シソーラス用語： 検出アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： X-ray image ,  Independent Component Analysis (ICA) ,  defect detection ,  machine learning ,  thick steel pipe

分類 (3件)： 非破壊試験  (HB02030F) ,  医用画像処理  (JE04020T) ,  溶接欠陥  (WC07130P)

タイトルに関連する用語 (6件)： X線画像 ,  鋼管 ,  溶接部 ,  気孔 ,  欠陥 ,  自動検出