Технічна діагностика та неруйнівний контроль, 2022, №02



2022 №02 (02)

DOI of Article 10.37434/tdnk2022.02.03

2022 №02 (04)

---

Технічна діагностика і неруйнівний контроль, 2022, №2, стор. 20-23

Автоматизація процесу теплового неруйнівного контролю шляхом застосування методу комплексування термограм

Д.В. Сторожик, А.Г. Протасов, О.В. Муравйов, В.Ф. Петрик, Д.В. Петренко

НТУУ «Київський політехнічний інститут імені Ігоря Сікорського». 03056, м. Київ, просп. Перемоги, 37. E-mail: a.g.protasov@gmail.com

Проведено експериментальні дослідження з метою підвищення якості термограм, отриманих при тепловому неруйнівному контролі. Застосовано метод комплексування зображень на основі вейвлет-перетворення з використанням нейронних мереж. Для визначення форми дефекту використовувалась нейронна мережа, архітектура якої мала шари, що реалізують операцію згортки. Попереднє навчання нейронної мережі було реалізовано на основі великої кількості теплових зображень тест-об’єктів, що імітують різні дефекти. Застосування комплексованих термограм в якості вхідних даних для нейронної мережі дозволило суттєво зменшити похибку визначення класу дефекту на зображенні. Розроблено комп’ютерну програму обробки термограм, що дозволяє автоматизувати процес теплового контролю та підвищити ймовірність правильного визначення наявності та форми дефекту в досліджуваному об’єкті. Бібліогр. 9, рис. 5.
Ключові слова:: тепловий неруйнівний контроль, комплексування зображень, нейронні мережі

Надійшла до редакції 18.02.2022

Список літератури

1. Protasov, A. (2018) Active infrared testing of compositesа using 3D computer simulation. International Journal of Technology, 9(3), 632–641. https:doi.org/10.14716/ijtech. v9i3.218
2. Галаган Р., Муравьев А., Томашук А. (2019) Модель восстановления серии изображений из смазанного изображения для решения задачи высокоточного измерения диаметра и температуры излучающих объектов. Матеріали Ⅳ Міжнародної науково-технічної конференції «Теоретичні та прикладні аспекти радіотехніки, приладобудування і компʼютерних технологій» (присвячена 80-річчю з дня народження професора Я.І. Проця), 169–171.
3. Qu, Z., Jiang, P., Zhang, W. (2020) Development and application of infrared thermography non-destructive testing techniques. Sensors, 20(14), 3851.
4. Сторожик Д.В., Муравйов О.В., Протасов А.Г. та ін. (2020) Комплексування мультиспектральних зображень як метод підвищення їх інформативності при бінарній сегментації. Наукові вісті КПІ, 2, 82–87.
5. Thirunavukkarasu, S., Rao, B.P.C., Soni, A.K. et al. (2012) Comparative Performance of Image Fusion Methodologies in Eddy Current Testing. Research Journal of Applied Sciences, Engineering and Technology, 4(24), 5548–5551.
6. Zhijun, Wang, Ziou, D., Armenakis, C. et al. (2005) A comparative analysis of image fusion methods. IEEE Transactions on Geoscience and Remote Sensing, 43(6), 1391–1402.
7. Hamza, A.B., He, Y., Krim, H. et al. (2005) Multiscale approach to pixel-level image fusion. Integr. Comput. Aid. Eng., 12(2), 135–146.
8. Sabuncu Mert Rory. (2006) Entropy Based Image Registration. Ph.D. dissertation, Department of Electrical Engineering. Princeton University.
9. Shensa, M.J. (1992) The discrete wavelet transform: wedding the a trous and Mallat algorithms. IEEE Transactions on signal processing, 40(10), 2464–2482.

---

Реклама в цьому номері:

---