Dwuetapowy algorytm wyznaczania głębokości defektów z zastosowaniem aktywnej termografii dynamicznej

• Autorzy: Dudzik S. , Minkina W.

Warianty tytułu

EN

A two-stage algorithm for defect depth estimation using active thermography

• Języki publikacji: PL

Abstrakty

PL

W pracy zaprezentowano dwuetapowy algorytm wyznaczania głębokości defektów materiałowych. W celu oszacowania głębokości defektu zastosowano dwie sztuczne sieci neuronowe uczone z użyciem danych uzyskanych za pomocą termografii aktywnej. W pierwszym etapie algorytmu przeprowadzana jest detekcja (lokalizacja) defektów za pomocą sieci klasyfikacyjnej. W etapie drugim sieć regresyjna wyznacza głębokość defektu zlokalizowanego w etapie pierwszym. W pracy zaprezentowano wyniki symulacji algorytmu a także zaproponowano kryteria oceny dokładności wyznaczania głębokości.

EN

In the paper a two-stage neural algorithm for defect detection and characterization is presented. In order to estimate the defect depth, two neural networks trained on data obtained using active thermography were employed. The first stage of the algorithm is developed to detect the defect and uses a classification neural network. Then the defect depth is estimated using a regressive neural network. In this work the results of experimental investigations using the infrared time resolved radiometry method are described. The sequences of thermograms of the investigated sample were recorded for three phases of the heat process i.e. heating, cooling and both. The experiments were conducted using a test sample made of material with a low thermal diffusivity. In the paper the results of simulations are presented as well. The 10-fold cross-validation procedure was applied to testing data. The simulations were performed using the PCA routine for the data obtained from the three above-mentioned heat process phases occurred in the investigated material sample.

Słowa kluczowe

PL

aktywna termografia dynamiczna; sieci neuronowe; wyznaczanie głębokości defektu

EN

active thermography; neural networks; defect depth estimation

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2013
• Tom: R. 59, nr 9
• Strony: 998--1001
• Opis fizyczny: Bibliogr. 11 poz., rys., schem., tab., wzory

Twórcy

autor

Dudzik S.

• Politechnika Częstochowska, Wydział Elektryczny, Al. Armii Krajowej 17, 42-200 Częstochowa

autor

Minkina W.

• Politechnika Częstochowska, Wydział Elektryczny, Al. Armii Krajowej 17, 42-200 Częstochowa

Bibliografia

• [1] Maldague X. P.: Theory and practice of infrared technology for nondestructive testing. John Wiley & Sons Interscience, New York, 2001.
• [2] Dudzik S.: Zastosowanie morfologii matematycznej do wykrywania defektów materiałowych z wykorzystaniem aktywnej termografii w podczerwieni, rozdz. 3 w monografii: Wybrane problemy współczesnej termografii i termometrii w podczerwieni, pod red. W. Minkiny, Wydawnictwo Politechniki Częstochowskiej, Częstochowa, str. 62-78.
• [3] Dudzik S.: A simple method for defect area detection using active thermography, Opto-Electronics Review, Vol. 17, Issue 4, pp. 338–344, 2009.
• [4] Gleiter A., Spiessberger C., Busse G.: Phase angle thermography for depth resolved characterization, 9-th International Conference on Quantitative Infrared Thermography QiRT, Kraków, 2–5 lipca 2008, str. 435–441.
• [5] Vallerand S., Maldague X. P.: Defect characterization in pulsed thermography: a statistical method compared with Kohonen and Perceptron neural networks, NDT&E International 33, 2000, pp. 307–315.
• [6] Dudzik S.: Application of the naive Bayes classifier to defect characterization using active thermography, Journal of Nondestructive Evaluation, (31) 4, 2012, pp. 383-392.
• [7] Dudzik S.: Analysis of the accuracy of a neural algorithm for defect depth estimation using PCA processing from active thermography data, Infrared Physics and Technology, (56) 2013, pp. 1-7.
• [8] Alifanow O. M.: Inverse Heat Transfer Problems, Springer-Verlag, Berlin, Heidelberg, 1994.
• [9] Dudzik S.: Investigations of a heat exchanger using infrared thermography and artificial neural networks, Sensors & Actuators: A. Physical 166–1, 2011, pp. 149–156.
• [10] Dudzik S.: Wyznaczanie głębokości defektów materiałowych z zastosowaniem aktywnej termografii dynamicznej i sztucznych sieci neuronowych, Wydawnictwo Politechniki Częstochowskiej, Częstochowa, 2013.
• [11] Van Der Heijden F., Duin R., de Ridder D., Tax D. M. J.: Classification, parameter estimation and state estimation: An engineering approach using MATLAB, John Wiley & Sons, 2004.