Рентгеновская компьютерная томография (РКТ) является одним из наиболее информативных методов неразрушающего контроля полимерных композиционных материалов (ПКМ) и изделий из них. Одним из важных этапов РКТ изделий из ПКМ является сегментация, автоматизация которой представляет исследовательский интерес. Использованы синтетические данные и данные РКТ, полученные от образцов ПКМ с различной внутренней структурой. Выбрано два алгоритма трёхмерной кластеризации: водоразделов (ВР) и суперпикселей (супервокселей) с линейной итеративной кластеризацией (СЛИК) и оценена их эффективность по параметрам: доля несовпадений границ кластеров и сферичность кластеров, а также производительность по времени разбиения датасета на необходимое число кластеров. Точность совпадения границ на реальных данных при разбиении на 250 кластеров составляет 92 % (СЛИК) и 85 % (ВР). Сферичность кластеров для обоих алгоритмов превышает 50 %, что позволяет в дальнейшем классифицировать их методами радиомического анализа. Отмечен рост времени кластеризации алгоритмом СЛИК при увеличении числа кластеров, при этом производительность алгоритма водоразделов значимо не изменялась во всём диапазоне разбиения.
Идентификаторы и классификаторы
Для сегментации полученных данных в программном пакете 3D Slicer [14] была применена пороговая бинаризация с нахождением порогового значения методом треугольника [15], выделением связных областей, соответствующих отдельным образцам, и последующим выполнением морфологической операции закрытия с кубическим ядром шириной три вокселя (Рис.2). Контуры полученных областей были использованы в качестве эталонных для данного датасета. Эталонные контуры для первых двух датасетов были получены на основе проектирования границ паттернов. Ширина контуров во всех случаях составила два вокселя.
Список литературы
-
Dhakate P.D. Shape Memory Polymers and Composites in Aerospace Applications / P.D. Dhakate, S.N. Chordia // International Journal of Engineering Research. - 2020. - Vol. 9. - № 11.
-
Valueva M.I. Polymer Composite Materials And Technologies In The Automotive Industry / M.I. Valueva, A.A. Evdokimov, A.V. Nacharkina, A.M. Gubin // Proceedings of VIAM. - 2022. - № 1. - PP. 53-65. EDN: VDGLFT
-
Ramakrishna S. Biomedical applications of polymer-composite materials: a review / S. Ramakrishna, J. Mayer, E. Wintermantel, K.W. Leong // Composites Science and Technology. - 2001. - Vol. 61. - № 9. - PP. 1189-1224. EDN: KJOIEJ
-
Pires L. New Polymeric Composites Based on Two-Dimensional Nanomaterials for Biomedical Applications / L. Pires, F. Magalhães, A. Moreira Pinto // Polymers. - 2022. - Vol. 14. - PP. 1464.
-
Oladele I. Applications and Disposal of Polymers and Polymer Composites: A Review / I. Oladele, S. Adelani, O. Agbabiaka, M. Adegun // Applications and Disposal of Polymers and Polymer Composites. - 2022. - Vol. 9. - № 3. - PP. 65-89.
-
Chen J. Nondestructive testing and evaluation techniques of defects in fiber-reinforced polymer composites: A review /j. Chen, Z. Yu, H. Jin // Frontiers in Materials. - 2022. - Vol. 9. - Nondestructive testing and evaluation techniques of defects in fiber-reinforced polymer composites. - URL: https://www.frontiersin.org/articles/. DOI: 10.3389/fmats.2022.986645 EDN: NQADDO
-
Garcea S.C. X-ray computed tomography of polymer composites / S.C. Garcea, Y. Wang, P. Withers // Composites Science and Technology. - 2017. - Vol. 156.
-
Straumit I. Quantification of the internal structure and automatic generation of voxel models of textile composites from X-ray computed tomography data / I. Straumit, S. Lomov, M. Wevers // Composites Part A: Applied Science and Manufacturing. - 2015. - Vol. 69.
-
Berg S. Generation of ground truth images to validate micro-CT image-processing pipelines / S. Berg, N. Saxena, M. Shaik, C. Pradhan // The Leading Edge. - 2018. - Vol. 37. - PP. 412-420. EDN: SBTGOH
-
Distante A. Handbook of Image Processing and Computer Vision: Volume 2: From Image to Pattern. Handbook of Image Processing and Computer Vision / A. Distante, C. Distante. - 2020.
-
Chauhan S. Processing of rock core microtomography images: Using seven different machine learning algorithms / S. Chauhan, W. Rühaak, F. Khan [et al.] // Computers & Geosciences. - 2016. - Vol. 86. - Processing of rock core microtomography images. - PP. 120-128.
-
Taneja A.A performance study of image segmentation techniques / A. Taneja, P. Ranjan, A. Ujjlayan // 2015 4th International Conference on Reliability, Infocom Technologies and Optimization (ICRITO) (Trends and Future Directions) 2015 4th International Conference on Reliability, Infocom Technologies and Optimization (ICRITO) (Trends and Future Directions). - Noida, India: IEEE, 2015. - PP. 1-6. - URL: http://ieeexplore.ieee.org/document/7359305/.
-
Sukemi. Identification using the K -Means Clustering and Gray Level Co-occurance Matrix (GLCM) At Maturity Fruit Oil Head / Sukemi, E. Sukrisno // 2019 Fourth International Conference on Informatics and Computing (ICIC) 2019 Fourth International Conference on Informatics and Computing (ICIC). - Semarang, Indonesia: IEEE, 2019. - PP. 1-4. - URL: https://ieeexplore.ieee.org/document/8985681/.
-
3D Slicer as an Image Computing Platform for the Quantitative Imaging Network / A. Fedorov, R. Beichel, J. Kalpathy-Cramer [et al.] // Magnetic resonance imaging. - 2012. - Vol. 30. - № 9. - PP. 1323-1341.
-
Zack G.W. Automatic measurement of sister chromatid exchange frequency. / G.W. Zack, W.E. Rogers, S.A. Latt // Journal of Histochemistry & Cytochemistry. - 1977. - Vol. 25. - № 7. - PP. 741-753.
-
Mendoza A. Descriptive Modeling of Textiles using FE Simulations and Deep Learning. Т. 213 / A. Mendoza, R. Trullo, Y. Wielhorski journalAbbreviation: Composites Science and Technology. - 2021.
-
Sinchuk Y. Variational and Deep Learning Segmentation of Very-Low-Contrast X-ray Computed Tomography Images of Carbon/Epoxy Woven Composites / Y. Sinchuk, P. Kibleur, J. Aelterman [и др.] // Materials. - 2020. - Vol. 13. - PP. 936. EDN: XRGXGM
-
Auenhammer R. Automated X-ray computer tomography segmentation method for finite element analysis of non-crimp fabric reinforced composites / R. Auenhammer, L. Mikkelsen, L. Asp, B. Blinzler // Composite Structures. - 2020. - Vol. 256. - PP. 113-136.
-
Neubert P.Compact Watershed and Preemptive SLIC: On Improving Trade-offs of Superpixel Segmentation Algorithms / P. Neubert, P. Protzel // Proceedings - International Conference on Pattern Recognition. - 2014. - Compact Watershed and Preemptive SLIC. - PP. 996-1001.
-
Lowekamp B. Scalable Simple Linear Iterative Clustering (SSLIC) Using a Generic and Parallel Approach / B. Lowekamp, D. Chen, Z. Yaniv, T. Yoo // The Insight Journal. - 2018.
Выпуск
Другие статьи выпуска
Приведены схема и описание работы рычажного пневматического преобразователя для линейных измерений с регулируемыми проходными сечениями каналов истечения воздуха через входное и измерительное сопла. Дана структурная схема преобразования измерительного сигнала, сформулирована цель работы - определение метрологических параметров исследуемого преобразователя (диапазонов измерений и чувствительности) на основе моделирования их статических характеристик при различных значениях конструктивных параметров. Приведены результаты сравнительного анализа метрологических характеристик исследуемого и известного преобразователя типа сопло-заслонка с регулируемым измерительным соплом.
Предложен прибор для импульсных испытаний силовых n-канальных транзисторов IGBT и MOSFET. Приведена принципиальная электрическая схема и дано описание работы ее отдельных узлов. Применение импульсных измерений позволило создать малогабаритный прибор с небольшой потребляемой мощностью (питание от шины USB). При этом имеется возможность определять пробивное напряжение канала в диапазоне до 1000 В и сопротивление канала открытого транзистора при токе до 80 А. Имеется также возможность оценки порогового напряжения, заряда затвора и входной емкости испытуемого транзистора. Сохранение и обработка данных измерений производится на ПК посредством специально разработанной утилиты.
Предлагается математическая вероятностно-статистическая модель расчета вероятности безотказной работы изделий общетехнического машиностроения, например, таких как редукторы, насосы, электрические моторы и т.д. по результатам измерений вектора информационных параметров в режиме реального времени эксплуатации, т.е. в условиях, когда решение о продолжении процесса эксплуатации должно быть принято до момента времени поступления нового наблюдения. Предлагаемая модель не привязана к конкретному изделию и поэтому может быть использована для широкого круга машиностроительных изделий.
Рассмотрен технологический процесс однопараметрической селективной сборки с учетом нелинейной зависимости между входными и выходными параметрами. Предложен вариант аппроксимации исходной модели «вход-выход» квадратичной переменной для случая сборки двух элементов. В качестве метода аппроксимации использован многомерный метод наименьших квадратов. Выведены зависимости, связывающие предельные значения, предельные отклонения и допуски параметров собираемых элементов. Приведенные примеры изображений показывают результаты исследований.
Широкое применение систем с отрицательной обратной связью объясняется их несомненными достоинствами: выходной сигнал в них весьма точно повторяет предписание (сигнал задания), а помеха, действующая на объект, как и небольшие изменения параметров математической модели объекта, практически не влияет на результат управления таким объектом. Как правило, принято результат измерения выходного сигнала, который используется для управления объектом, предварительно фильтровать для получения достаточного отношения сигнал/шум. Большинство разработчиков руководствуются правилом оптимального выделения сигнала на фоне шума, то есть используют такой фильтр, частота среза которого проходит через точку пересечения спектров сигнала и шума. Однако теоретически можно предсказать и на практике часто подтверждается, что подобная фильтрация хотя и способствует повышению отношения сигнал/шум в фильтрованном сигнале за счёт подавления шумов за пределами основной части спектра сигнала, иногда не улучшает возможности управления, а наоборот вредит этим возможностям, приводя к снижению устойчивости системы или к необходимости снижения её быстродействия. Причиной этого является утрата высокочастотной компоненты сигнала, хотя бы даже в этой области частот отношение сигнал/шум намного ниже единицы. Желательно сохранять значительную часть этого спектра сигнала. Эти теоретические утверждения не подкреплялись систематическими исследованиями и поэтому зачастую не вызывают должного доверия со стороны разработчиков таких систем, а когда подобное всё же получает экспериментальные доказательства в частных случаях, это вызывает удивление у разработчиков. Опыт автора показывал, что при использовании распространённого требования, состоящего в том, чтобы частота среза фильтра превышала частоту создаваемой системы автоматического регулирования, как минимум, на порядок, недостаточно. Требуется, чтобы частота фильтра была в 50 и более раз выше, чем частота, ограничивающая рабочую полосу системы. Данная статья предлагает исследование этого теоретического положения методом численного моделирования с целью доказательства и демонстрации необходимости преодоления противоречивости требований лучшей фильтрации и сохранения малого запаздывания по измеряемому сигналу, что требует решения компромиссной задачи с целью отыскания оптимального решения этой проблемы.
На примерах релейного управления, классического, основанного на вариационном методе теории оптимального управления, и реверсионно конструируемого показана тенденция снижения энергии при достижении цели оптимального движения (типа разгон-торможение). Рассмотрен единый подход, основанный на задании перемещения в виде полинома с вычислением его коэффициентов при использовании краевых условий (критерий оптимальности заранее не задается). При реверсионном конструировании управления выявлено снижение энергии оптимального управления за счет уменьшения импульсов ускорений переносного движения как при разгоне, так и при торможении.
Рассматривается алгебраический метод области зон с гарантированным устойчивостью систем автоматического управления (САУ) промышленных роботов. Классическое решение такой задачи требует многократного построения частотных годографов, которые имеют нерегулярный характер изменений, а для сложных систем их построение может превратиться в существенную проблему, связанную с выбором шага изменения и максимального значения частоты. В свою очередь, для решения задач нужны годографы не в целом (не во всех аспектах частоты), а лишь с помощью их определения точек, с помощью технологии границ и областей и значения тех или иных параметров. Предлагается определение наличия этих точек по явным вещественным причинам специальным способом построения алгебраических уравнений, который не требует перебора результатов частотных характеристик, тем самым не требует их непосредственного построения. Вычисление вещественных корней, в отличие от вычисления комплексных корней, не представляет сложности. Предлагаемое решение задачи позволяет полностью автоматизировать получение результата процесса, повысить сложность блокировки САУ промышленных роботов и сократить временные затраты при строительстве иных зон.
В статье приведен обзор существующих систем управления БПЛА, методов и способов применения нейронных сетей в задачах управления, навигации и распознавания. Рассмотрены методы и способы совершенствования существующих систем управления позиционирования БПЛА в том числе с помощью нейронных сетей (искусственного интеллекта).
Рассматривается задача управления автономными подводными аппаратами к заданной цели при движении в плоской плоскости и действии сильного, изменяющегося во времени течения. Управление осуществляется по изображениям, поступающим с видеокамеры или гидроакустического датчика. Для приведения АПА к целям используется несколько методов самостоятельного ведения, наблюдения за потоками с коррекцией потоков. Результаты иллюстрируются компьютерным моделированием.
Издательство
- Издательство
- СевГУ
- Регион
- Россия, Севастополь
- Почтовый адрес
- 299053, Россия, г. Севастополь, ул. Университетская, 33
- Юр. адрес
- 299053, Россия, г. Севастополь, ул. Университетская, 33
- ФИО
- Нечаев Владимир Дмитриевич (РЕКТОР)
- E-mail адрес
- info@sevsu.ru
- Контактный телефон
- +7 (786) 9243501