Page 64 - КЛАСИФІКАЦІЯ ЛОКАЛІЗОВАНИХ ДЕФЕКТІВ ЗВАРНИХ ШВІВ НА РЕНТГЕНІВСЬКИХ ЗОБРАЖЕННЯХ ТРУБ

64

300 60% 49%
243 50%
250 пори 40% 36%
200 182 шлаки 30%
20%
непровари 6% 5% 3%
150 10% 1%
утяжини 0%
100 винос металу пори інші
50 32 25 інші шлаки непровари утяжини винос металу
13 5
0

а б

Рисунок 1.11 ‒ Гістограми розподілу дефектів зварних швів

У методах ідентифікації дефектів за допомогою статистичної класифікації

і нейронних мереж аналіз виявлених об'єктів здійснюється на основі деякого

набору обчислених для цих об'єктів інформативних ознак, що найбільш повно

характеризують розходження між класами. Дослідження на цю тему можна

поділити на групи за метою роботи: виділення інформативних ознак [7, 43, 65,

66] та класифікація знайдених дефектів [13, 64, 67, 28, 140-143].

Якобсен використовував декілька ознак для розпізнавання тріщини,

підрізу та відсутності дефекту [144]. Пернер дослідила методи класифікації,

зокрема нейронні мережі та дерева рішень. Її система розпізнавала тріщини,

підрізи та відсутність дефекту [145]. Фехер представив метод класифікації пор,

підрізів та непроварів за допомогою правил [146]. Проте цей метод не може

класифікувати малі дефекти, що слабо відрізняються від фону. Аокі та Суга

використали 10 параметрів, щоб охарактеризувати дефекти та класифікували їх

за п’ятьма класами за допомогою нейронної мережі [147]. Навчання

проводилося лише на 35 дефектах а тестування на 27. Ванг та Ліао

використовували 108 дефектів для навчання і 12 – для тестування класифікації

шести можливих дефектів [16]. Сільва також використовував нейронну мережу

для класифікації дефектів з навчанням на 50 дефектах [13]. Їн та Тіан вибрали

13 ознак для класифікації дефектів за допомогою нейронної мережі [64, 148].