Page 65 - КЛАСИФІКАЦІЯ ЛОКАЛІЗОВАНИХ ДЕФЕКТІВ ЗВАРНИХ ШВІВ НА РЕНТГЕНІВСЬКИХ ЗОБРАЖЕННЯХ ТРУБ
P. 65
65
В даний час для ідентифікації дефектів використовують наступні
інформативні ознаки: площа дефекту; довжина периметра дефекту; середнє
значення інтенсивності дефекту; "контраст" дефекту (різниця між яскравістю
дефекту і тла); коефіцієнти дискретного перетворення Фур'є; геометричні
інваріантні моменти; ознаки, обчислені на основі матриці суміжності; ознаки,
обчислені на основі двовимірної функції Габора.
У методі ідентифікації дефектів за допомогою штучної нейронної мережі
[5, 30] класифікація досліджуваної області зображення виконується нейронною
мережею, на вхід якої подаються значення інформативних ознак, обчислених
для даної області. Для ідентифікації дефектів використовують нейронні мережі
двох видів: багатошарову нейронну мережу прямого поширення [5, 30] і
нейронну мережу з радіальними базисними елементами [30].
У методах статистичної класифікації [7, 9] рішення про те, до якого класу
віднести досліджувану область зображення, приймається на основі аналізу
статистичної вибірки - набору зображень дефектів. Для ідентифікації дефектів
застосовуються наступні методи статистичної класифікації: лінійна [13],
порогова [9], поліноміальна [7], баєсівська класифікація [9], метод k -
найближчих сусідів [7, 9].
Дослідження, присвячені визначенню вірогідності автоматичного
виявлення дефектів, були проведені в роботах [5, 7, 14, 30]. Оцінка вірогідності
виявлення дефектів здійснюється експериментально, оскільки для аналітичної
оцінки потрібно побудувати формальну специфікацію задачі, а задача
виявлення дефектів є істотно неформальною. Експериментальна оцінка
вірогідності полягає в тому, що досліджуваний алгоритм виявлення дефектів
перевіряють на тестовому наборі радіографічних зображень.
Основним показником, що характеризує вірогідність виявлення, є відсоток
виявлених дефектів. Відповідно до проведених досліджень, для сучасних
методів значення цього показника при перевірці на тестових зображеннях
складає 90...96%.
