Методы распознавания микроструктуры материала

Mariya Shapovalova; Oleksii Vodka

doi:10.20998/2413-4295.2017.23.09

Автор(и)

Mariya Shapovalova Национальный технический университет «Харьковский политехнический институт», Україна
Oleksii Vodka Национальный технический университет «Харьковский политехнический институт», Україна

DOI:

https://doi.org/10.20998/2413-4295.2017.23.09

Ключові слова:

мікроструктура, нейронна мережа, нечітка логіка, зеренна структура, комп'ютерне моделювання

Анотація

Розглянуто деякі існуючі методи розпізнавання образів, в тому числі і розпізнавання мікроструктури матеріалу. Відзначено позитивні моменти і вказані недоліки запропонованих методів. Визначено шляхи вирішення задачі розпізнавання складної зерен структури металу. При виявленні якісних і кількісних характеристик матеріалу по його зображенню, основне завдання полягає у визначенні кордону зерна, так як вся цікавить нас прихована не в яскравості різних областей, а в їх контурі. Для цього необхідно застосувати до знімка відповідні фільтри. Сучасні технології та розвиток штучного інтелекту, дозволяє створювати автоматизовану комп'ютерну систему прийняття рішення, що працює із застосуванням математичних методів обробки даних. Перевага віддається нейромережевим технологіям, створення нейронної мережі прямого поширення, якісно навчену з використанням методу зворотного поширення помилки. У реальних умовах, при погано формалізуються вхідних даних, вітається використання теорії нечітких множин. Створення алгоритмів інтелектуальної підтримки прийняття рішень - дозволяє знизити вплив людського фактора в ході аналізу, скорочує час, витрачений на дослідження, підвищує точність і достовірність процесу контролю, дає можливість пов'язувати властивості матеріалу з його мікроструктурою.

Посилання

Bramfitt, B. L. Metallography’s Guide – Practices andProcedures for Iron and Steels. USA: ASM International,2002, 354 р.

Bogomolova, N. A. Prakticheskaya metallografiya.Moskow: Visshaya shkola, 1987, 240 p.

Shulte, Yu. A. Kompleksnii kontrol kachestva konstrukcionnoi stali. Kiev: Tehnika, 1986, 128 p.

URL: http://www.videotest.ru/en/article/view/48/category/11. – 14.03.2017.

URL:http://www.siams.com/products/siams700.–14.03.2017

Kostileva, L. V., Santalova, E. A, Ilinskii, V. A.Opredelenie obemnoi doli dendritnih vetvei s ispolzovaniemkompyuternih programm. Zavodskaya laboratoriya, 2003,11, 33-36.

Martyushev, N. V. Programmnie sredstva dlyaavtomaticheskogo metallograficheskogo analiza.Sovremennie problemi nauki i obrazovaniya, 2012, 5, 1-6.

Sharibin, S. I., Stolbov, V. Yu. Avtomatizaciya processakontrolya kachestva produkcii pri sozdanii funkcionalnihmaterialov. Materiali 11-i Vserossiiskoi shkoli_konferenciimolodih uchenih «Upravlenie bolshimi sistemami».Arzamas, NGTU, 2014, 3, 886-898.

Sharibin, S. I., Stolbov, V. Yu. Ob odnom podhode kresheniyu zadachi analiza i klassifikacii slojnihmikrostruktur na shlifah metallov i splavov. Prikladnayamatematika i voprosi upravleniya, 2015, 1, 89-99.

Chubov, A. A. Avtomatizaciya metallograficheskogoanaliza i kontrolya splavov s ispolzovaniem metodovcifrovoi obrabotki opticheskih izobrajenii mikrostruktur.Avtoref. dis. kand. tehn. nauk 05.13.06. Gosudarstvennayaaviacionnaya tehnologicheskaya akademiya imeni P. A.Soloveva, 2007, 16.

Filinov, M. V. Povishenie tochnosti kolichestvennih ocenokpoverhnostnih defektov i struktur metallov po ih cifrovimizobrajeniyam v opticheskom nerazrushayuschem kontrole.Avtoref. dis. doktora tehn. nauk 05.11.13. «NII IntroskopiiMNPO «SPEKTR». Moskow, 2007, 58.

Frank, J. S. Image processing and pattern recognition:fundamentals and techniques. Wiley- IEEE Press, 2010,537 p.

Sharibin, S. I., Klyuev, A.V., Stolbov, V. Yu. Sravneniemetodov raspoznavaniya obrazcov v zadachah poiskaharaktarnih zernovih micristructur na photographiyahshliphov metallov i splavov, Izv. Vishih uchebnih zavedeniy.Chernaya metallurgiya, 2012, 9, 49-53.

Plastinin, A. I. Model markovskogo sluchainogo polya vzadachah sinteza i analiza teksturnih izobrajenii. VіsnikPridnіprovskoї derjavnoї akademії budіvnictva taarhіtekturi, 2015, 12, 213.

Prett, U. Cifrovaya obrabotka izobrajenii. Moskow: Mir,1982, 480 p.

Emelyanov, V. A. Neyrosetevoy quantitative method fordetermining the characteristics of metal. Radio electronicand computer systems, 2010, 4 (45), 169-173.

Zadeh, L. A. Foreword - recognition technology and fuzzylogic. J. IEEE Transactions on Fuzzy Systems, 2001, 9(1), 3-4, doi: 10.1109/TFUZZ.2001.917109.

Poltorak, V. P., Dorogoi, Ya. Yu Sistema raspoznavaniyaobrazov na baze nechetko neironnogo. Avtomatika.Avtomatizaciya. Elektrotehnicheskie kompleksi i sistemi,2007, 1, 66-74.

Pogrebnyak, S., Vodka, O. Development of computer system for processing experiment results with neural networks. Bulletin of NTU "KhPI". Series: New solutions in modern technologies. – Kharkiv: NTU "KhPI", 2016, 42 (1214), 145–153, doi:10.20998/2413-4295.2016.42.24.

Lau, K. M., Chan, S. M., Xu, L. Comparison of theHopfield scheme to the hybrid of Lagrange andtransformation approaches for solving the travellingsalesman problem.Proceedings of Intelligence in Neural andBiological Systems, 1995,doi: 10.1109/INBS.1995.404259.

URL: https://habrahabr.ru/post/134998/. – 30.03.2017.

URL:https://habrahabr.ru/company/ods/blog/322534/.–5.04.2017.

URL: https://habrahabr.ru/post/114452/. – 12.05.2017.