Page 177 - КЛАСИФІКАЦІЯ ЛОКАЛІЗОВАНИХ ДЕФЕКТІВ ЗВАРНИХ ШВІВ НА РЕНТГЕНІВСЬКИХ ЗОБРАЖЕННЯХ ТРУБ

177

Для класифікації локалізованих дефектів застосували штучну нейронну

мережу, а саме, тришаровий перцептрон з алгоритмом зворотного поширення.

Вектор вхідних ознак охоплює чотирнадцять елементів. Всі інформативні

ознаки були пронормовані. Приховані шари складаються з 15-27 елементів.

Навчання проводили на 80 дефектах, тестування – на 30 випадково вибраних

дефектах, що належать двох класів: сферична пора та шлак. Експериментальні

дослідження виявили, що найбільша середня (за 10-ма експериментами)

ймовірність правильної класифікації (86%) досягається при використанні 23

нейронів у прихованих шарах (табл. 3.1).

Для підвищення ймовірності правильної класифікації запропоновано такі

інформативні ознаки:

15. Контрастність фрагмента зображення [118]

L max
CF   L ( 2 |  L)  L max L ( 2 |   L)  L max || H( L 2/) L max NM .
L 0

де L – інтенсивність елементів зображення L  ,0 L , L – максимальне
max max
значення інтенсивності на зображенні, L – середнє значення інтенсивності

зображення, H (L ) – гістограма розподілу інтенсивностей.

16. Контрастність об’єкта

L max
CO   ( 2 | L  L ) L ( 2 |  L  L ) L || H (L ) /( 2L Area ).
L 0 max max max