Segmentation of welding arc images for purposes of welding diagnostics

• Autorzy: Fidali M. , Jamrozik W. , Bzymek A. , Timofiejczuk A.

Warianty tytułu

PL

Segmentacja obrazów łuku spawalniczego dla potrzeb diagnostyki spawania

• Języki publikacji: EN

Abstrakty

EN

The paper concerns the research on diagnostics of a welding process. The estimation of the process state is being performed by means of the analysis of infrared images and images recorded within visible range of electromagnetic radiation. To carry out the image analysis it is necessary to cut out the area called region of interests (ROI). In case of welding which is the dynamical process this operation appeared complicated. The most important point of the operation is image segmentation. The author proposed and tested an algorithm of the definition of the ROI as well as verified numerous image segmentation methods.

PL

W artykule przedstawiono badanie nakierowane na diagnozowanie procesu spawania. Estymacja stanu procesu była przeprowadzana poprzez zastosowanie metod analizy obrazów termowizyjnych, jak również obrazów zarejestrowanych w widzialnym paśmie promieniowania elektromagnetycznego. Przeprowadzenie analizy obrazów wymagało wyboru i wycięcia obszaru, zwanego regionem zainteresowania (ang. region of interests, ROI). W przypadku spawanie będącego procesem bardzo dynamicznym operacja ta jest dość skomplikowana, a jej najważniejszym etapem jest segmentacja obrazu. Autorzy zaproponowali i zweryfikowali algorytm definiowania ROI, przy zastosowaniu kilku różnych metod segmentacji obrazów.

Słowa kluczowe

EN

process diagnostics; welding monitoring; infrared; image fusion; image processing

PL

diagnostyka procesów; minitorowanie spawania; fuzja obrazów; przetwarzanie obrazów

• Wydawca: Polskie Towarzystwo Diagnostyki Technicznej
• Czasopismo: Diagnostyka
• Rocznik: 2013
• Tom: Vol. 14, No. 1
• Strony: 11--18
• Opis fizyczny: Bibliogr. 16 poz., rys., tab.

Twórcy

autor

Fidali M.

• Politechnika Śląska, Wydział Mechaniczny Technologiczny, Instytut Podstaw Konstrukcji Maszyn, Konarskiego 18a, 44-100 Gliwice, 32 237 13 60

autor

Jamrozik W.

• Politechnika Śląska, Wydział Mechaniczny Technologiczny, Instytut Podstaw Konstrukcji Maszyn, Konarskiego 18a, 44-100 Gliwice

autor

Bzymek A.

• Politechnika Śląska, Wydział Mechaniczny Technologiczny, Instytut Podstaw Konstrukcji Maszyn, Konarskiego 18a, 44-100 Gliwice

autor

Timofiejczuk A.

• Politechnika Śląska, Wydział Mechaniczny Technologiczny, Instytut Podstaw Konstrukcji Maszyn, Konarskiego 18a, 44-100 Gliwice

Bibliografia

• [1] Rockinger, O.: Image Sequence Fusion Using a Shift Invariant Wavelet Transform. Proceedings of the International Conference on Image Processing, vol.3, pp. 288-291, 1997.
• [2] Sadjadi F.: Comparative Image Fusion Analysis, Proc. of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05) - Workshops, Vol. 03, p.8, 2005.
• [3] Information on http://www.ishotimaging.com/weldi-home.html, Weld-i Series, Weld Monitoring Inspection Systems.
• [4] Camilleri D., Gray T., and Comlekci T.: Use of Thermography to Calibrate Fusion Welding Procedures in Virtual Fabrication Applications. Proc. of Information 2004 Conference, vol. 5 pp. 121 - 131, 2004.
• [5] Bzymek A., Fidali M., Jamrozik W., Timofiejczuk A.: Diagnostic vision system for welded joint and welding process assessment. Maintenance Problems, 4/2008, pp. 39-52.
• [6] Jamrozik W.: Method of diagnosis of industrial processes with use of data fusion, PhD Thesis, Gliwice, 2012.
• [7] Fidali M., Jamrozik W.: The processing of fused infrared and vision images of a welding arc for fault detection, Proceedings of 11th Quantitative InfraRed Thermography, 11-14 June 2012, Naples, Italy.
• [8] [8] Bzymek A., Timofiejczuk A.: Estimation of welding process stability based on image analysis and recognition, Diagnostyka 4(52) 2009, pp 41-44.
• [9] Zhang, Y. M, Kovacevic, R., Ruan, S.: Sensing and Control of Weld Pool Geometry for Automated GTA Welding, Transactions of the ASME, 1995, vol. 117, pp.210-222.
• [10] Gonzales R. C., Woods R. E., Eddins S. L.: Digital image processing using Matlab, Pearson, Prentice Hall, London,2004.
• [11] Zuva T., Olugbara O. O, Ojo S. O. and Ngwira S. M.: Image Segmentation, Available Techniques, Developments and Open Issues, Canadian Journal on Image Processing and Computer Vision Vol. 2, No. 3, March 2011.
• [12] Hojjatoleslami, S. A., Kittler, J.: Region growing: a new approach, Image Processing, IEEE Transactions on , vol.7, no.7, pp.1079-1084, Jul 1998 doi: 10.1109/83.701170.
• [13] Information on http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MORSE/region.pdf.
• [14] Reyad Y. A., El-Zaart A., Mathkour H., Al-Zuair M.: Image Thresholding Using Split and Merge Techniques with Log-Normal Distribution, Canadian Journal on Image Processing and Computer Vision, Vol. 1, No. 3, July 2010.
• [15] Tatiraju S., Mehta A.: Image Segmentation using k-means clustering, EM and Normalized Cuts, doi=10.1.1.187.6371.
• [16] Chan, T. F., Vese L. A.: Active contours without edges, IEEE Transactions on Image Processing vol.10, no.2, pp.266-277, Feb 2001, doi: 10.1109/83.902291.