Zliczanie odłamków w teście fragmentacji szkła hartowanego

• Autorzy: Ruusunen Juho , Aronen Antti
• Języki publikacji: PL

Słowa kluczowe

PL

szkło hartowane; fragmentacja szkła; widzenie maszynowe; sieć neuronowa; odłamek szkła; liczenie; badanie laboratoryjne

• Wydawca: Grupa Wydawnicza Euro-Media
• Czasopismo: Świat Szkła
• Rocznik: 2021
• Tom: R. 26, nr 1
• Strony: 32--37
• Opis fizyczny: Bibliogr. 16 poz., il., tab.

Twórcy

autor

Ruusunen Juho

• Glaston Finland Oy

autor

Aronen Antti

• Glaston Finland Oy

Bibliografia

• [1] EN 12150-1:2015 Szkło w budownictwie - Hartowane termicznie bezpieczne szkło sodowo-wapniowo-krzemianowe - Część 1: Definicja i opis
• [2] E/ECE, 2017, Umowa w sprawie przyjęcia jednolitych warunków homologacji i wzajemnego uznawania homologacji wyposażenia i części pojazdów silnikowych. Uzupełnienie 42, regulamin nr 43, poprawka 4: Jednolite przepisy dotyczące homologacji materiałów oszklenia bezpiecznego i ich instalacji w pojazdach, załącznik 5, kwiecień 2017
• [3] Akeyoshi, K., Kanai, E., Yamamoto, K., Shima, S., 1967, Rep. Res. Lab., Asahi Glass., 17, s. 23.
• [4] Barsom, J.M., 1968, Spękanie (fragmentaryzacja) szkła hartowanego (Fracture of Tempered Glass), J. Am. Ceram. Soc. vol. 51, s. 75-78. https://doi.org/10.1111/j.1151-2916.1968.tb11840.x
• [5] Pourmoghaddam, N. & Schneider, J., 2018, Eksperymentalne badanie wielkości fragmentu szkła hartowanego (Experimental investigation into the fragment size of tempered glass), Glass Struct Eng, tom 3, strony 167-181. https://doi.org/10.1007/s40940-018-0062-0
• [6] Pourmoghaddam, N., Kraus, M.A., Schneider, J., Siebert, G., 2018, Związek między energią odkształcenia a morfologią wzoru pęknięcia szkła hartowanego termicznie do przewidywania fragmentacji szkła w makroskali 2D (Relationship between strain energy and fracture pattern morphology of thermally tempered glass for the prediction of the 2D macroscale fragmentation of glass), Glass Struct Eng . https://doi.org/10.1007/s40940-018-00091-1
• [7] Gordon, G.G., 1996, Zautomatyzowana analiza fragmentacji szkła (Automated glassfragmentation analysis), Proc. Natl. SPIE 2665, Machine Vision Applications in Industrial Inspection IV. https://doi.org/10.1117/12.232245
• [8] Gardon, R., 1980, Hartowanie termiczne szkła (Thermal Tempering of Glass), w Glass Science and Technology vol. 5 Elasticity and Strength in Glasses, D.R. Uhlmann i N.J. Kreidl (red.), Academic Press, Nowy Jork, str. 145-216.
• [9] Aronen, A., Kocer., C., 2015, Mechaniczne uszkodzenie/pęknięcie szkła hartowanego; Porównanie norm dotyczących badań i katastrofalnej awarii podczas eksploatacji (The Mechanical Failure of Tempered Glass; a Comparison of Testing Standards and In-Service Catastrophic Failure), GPD 2015, s. 388-391.
• [10] Anton, J., Aben, H., 2003, Kompaktowy polaryzator światła rozproszonego do pomiaru naprężeń szczątkowych w płytach szklanych (A Compact Scattered Light Polariscope for Residual Stress Measurement in Glass Plates), GPD 2003, str. 86-88.
• [11] Krizhevsky, A., Sutskever, I., Hinton, G.E., 2012, Klasyfikacja ImageNet z głębokimi konwolucyjnymi sieciami neuronowymi, postęp w neuronowych systemach przetwarzania informacji (Imagenet Classification with Deep Convolutional Neural Networks, Advances in Neural Information Processing Systems), Curran Associates, Inc., str. 1097-1105.
• [12] Long, J., Shelhamer, E., Darrell, T., 2015, W pełni konwolucyjne sieci do segmentacji semantycznej (Fully convolutional networks for semantic segmentation), 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), IEEE, s. 3431-3440.
• [13] Chen, L., Zhu, Y., Papandreou, G., Schroff, F., Adam, H., 2018, Koder-dekoder z separowalną konwolucyjną siecią do semantycznej segmentacji obrazu (Encoder-Secoder with Atrous Separable Convolution for Semantic Image Segmentation), CoRR, 2018, http://arxiv.org/abs/1802.02611.
• [14] He, K., Zhang, X., Ren, S., Sun, J., 2016, Głębokie uczenie do rozpoznawania obrazu (Deep Residual Learning for Image Recognition), 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), IEEE, s. 770 -778.
• [15] Russakovsky, O., Deng, J., Su, H., Krause, J., Satheesh, S., Ma, S., Huang, Z., Karpathy, A., Khosla, A., Bernstein, M., 2015, Wyzwanie związane z rozpoznawaniem wizualnym na dużą skalę (Imagenet Large Scale Visual Recognition Challenge), International Journal of Computer Vision, Vol. 115, str. 211-252.
• [16] Russakovsky, O., Deng, J., Su, H., Krause, J., Satheesh, S., Ma, S., Huang, Z., Karpathy, A., Khosla, A., Bernstein, M., ILSVRC 2017. http://image-net.org/challenges/LSVRC/2017/results.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).