Metody sztucznej inteligencji, teoria rozpoznawania obrazów i obliczenia równoległe w inżynierii

• Autorzy: Gumuła A. , Dębiński T. , Jędrzejczyk D. , Głowacki M.

Warianty tytułu

EN

Artificial intelligence methods, image recognition theory and parallel computation in engineering

• Języki publikacji: PL

Abstrakty

PL

W artykule poruszono problem informatycznego wspomagania prac inżynierskich – koncentrując się na dwóch aspektach: inteligentnym rozpoznawaniu wzorów i obrazów oraz na obliczeniach równoległych wspomagających prace technologiczne. Inteligentny system komputerowy może być niezwykle użytecznym asystentem w identyfikacji i diagnozowaniu problemów procesów czasu rzeczywistego. Nietypowe rezultaty obserwacji mogą być łatwo interpretowane i mieć wpływ na dalszy przebieg procesu. W pracy przedstawiono inteligentny system zaimplementowany w praktyce, oparty na teorii rozpoznawania obrazów. Wstępne wyniki na możliwości automatycznego rozpoznawania obrazów z zadowalającą dokładnością i następującą po nim klasyfikacją obiektów. System może zostać zaadoptowany do szeregu różnych typów obrazów. Inny typ metod informatycznych ma wpływ na procesy symulacji komputerowej wymagające długich czasów obliczeń. Walcowanie slabów z półciekłym rdzeniem jest dobrym przykładem takich procesów. Algorytm obliczeń równoległych w zastosowaniu do dekompozycji i następującego po nim rozwiązania układu równań może przynieść znaczące przyspieszenie rozwiązania problemu. W niniejszej pracy zastosowano algorytm synchronicznego rozwiązywania powstałego układu równań liniowych. Charakteryzuje się on tym, że zadanie posiada pewne rozgałęzienia, które mogą być wykonywane równolegle. Rozwiązane było testowane na klastrze opartym na homogenicznej sieci stacji roboczych. Polem doświadczalnym w tym zakresie stał się model mechaniczny, a rozwiązania dokonano metodą MINRES.

EN

The importance of new computer science methods in engineering is still rising. This paper deals with computer science methods supporting engineering – two aspects of this problem are discussed below: intelligent pattern and image recognition and parallel computation supporting the technological work. An intelligent computing system can provide useful assistance with identification and diagnostics in real time processes. Abnormal results can be easily reduced and their existence has influence on the process proceedings. In framework of intelligent systems a simple scheme implemented in practice is presented as an application of image recognition. Preliminary results indicate that it is possible to identify images with reasonable accuracy and their subsequent classification. It can be successfully adopted in various types of images. There is another type of computer science methods which has influence on simulation of processes which require long computation time. Rolling of slabs with mushy zone is a good example of such processes. A parallel computing algorithm for decomposition and resolution of any equation set can give significant acceleration in solving the problem. In the current paper a synchronic algorithm has been presented. Its main characteristic is the use of few forks, which allow parallel computation. The solution was tested on a cluster of homogeneous workstations. Mechanical model of rolling process was a testing ground for solution by MINRES method.

Słowa kluczowe

PL

cyfrowe przetwarzania obrazu; rozpoznawanie obrazu; sieci neuronowe; systemy ekspertowe; deskryptory tekstury; walcowanie w stanie półciekłym; obliczenia równoległe

EN

digital image processing; pattern and image recognition; artificial neural network; expert systems; texture descriptors; rolling of mushy steel; parallel computinge

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Hutnik, Wiadomości Hutnicze
• Rocznik: 2009
• Tom: Vol. 76, nr 4
• Strony: 297--302
• Opis fizyczny: Bibliogr. 14 poz., rys.

Twórcy

autor

Gumuła A.

autor

Dębiński T.

autor

Jędrzejczyk D.

autor

Głowacki M.

• Akademia Górniczo-Hutnicza w Krakowie,

Bibliografia

• 1. Davidson M. W., Abramowitz M.: Optical Microscopy, Davidson & Abramiwitz, Florida, 1999
• 2. Mora C. F., Kwan A. K. H.: Sphericity, Shape Factor, And Convexity Measurement Of Coarse Aggregate for Concrete Using Image Processing, Cement and Concrete Research vol. 30, Pergamon, 2000, 351-358
• 3. Ryś. J.: Metalografia ilościowa – skrypt uczelniany nr. 847, Wydawnictwo AGH, Kraków, 1982
• 4. Bishop Ch. M.: Pattern Recognition and Machine Learning, Springer, 2006
• 5. Igathinathane C., Pordesimo L. O., Columbus E. P., Batchelor W. D., Methuku S. R.: Shape Identification And Particles Size Distribution From Basic Shape Parameters Using ImageJ, Computers and Electronics In Agriculture vol. 63, Elsevier, 2008, 168-182
• 6. Flusser J.: Moment Invariants In Image Analysis, Engineering And Technology Vol.11, World Academy of Science, 2006, 196-201
• 7. Gonzalez R. C., Woods R. E.: Digital Image Processing, Addison-Wesley Publishing Company, 1992
• 8. Wojnar L., Kurzydłowski K. J., Szala J.: Praktyka analizy obrazu, Polskie Towarzystwo Stereologiczne, Kraków, 2002
• 9. Koprowski R., Wróbel Z.: Własności wybranych typów sieci neuronowych wykorzystanych do detekcji położenia oka pacjenta., Archiwum Fotogrametrii, Kartografii i Teledetekcji vol. 16, 2006
• 10. Głowacki M.: Termomechaniczno-mikrostrukturalny model walcowania w wykrojach kształtowych, Rozprawy i Monografie, Kraków, 1998
• 11. Głowacki M., Malinowski Z., Hojny M., Jędrzejczyk D.: The Physical and Mathematical Modeling of PlasticDeformation of Samples with Mushy Zone, Proc. Int. Conf. Inverse Problems, Design and Optimization Symposium, Rio de Janeiro Brazil 2004, on CD
• 12. Borowik B.: Programowanie równoległe w zastosowaniach, MIKOM, Warszawa 2001
• 13. Gropp W., Lusk E., Thakur R.: Using MPI-2 Advanced Features of the Message-Passing Interface, MIT Press Cambridge Massachusetts Institute of Technology 1999
• 14. Henk A. van der Vorst.: Iterative Methods for Large Linear Systems, Mathematical Institute Utrecht, University Utrecht, 2002, The Netherlands