Semi-Automatic detection of sulfur slabs

• Autorzy: Celse B. , Bres S. , Moreau F. , Gueroult P. , Sorbier L.

Warianty tytułu

PL

Półautomatyczna detekcja płytek siarki

• Konferencja: STERMAT 2008 : VIII International Conference on Stereology and Image Analysis in Materials Sciences (VIII ; 02-06.09.2008 ; Zakopane, Polska)
• Języki publikacji: EN

Abstrakty

EN

This paper presents a method to measure geometric characteristics of sulfur slabs based on the semi-automated image analysis of electron microscopy images. These measurements are used in the refining industry for process development. To obtain reliable quality estimators, the measurement of several hundred objects is necessary. These measurements are usually obtained manually by operators. Manual measurements, although reliable when performed by skilled operators, are slow (more than one hour for one image!) due to the need for the operators to rest often to retain their ability to spot little particles on noisy backgrounds. Moreover, this task is dull and repetitive. The need for a semi-automated procedure which could replace manual measurements is quite real. In this paper, we explain the algorithm developed. A first active contour algorithm is used. A posteriori analysis is then carried out in order to refine segmented object. Some results on several cases are tested. An industrial software, called LoGraMi, has been developed. It is a stand alone program (.exe). The aim of this paper is not to present a new segmentation method but to explain how several classical methods can be adapted to solve an industrial problem with very noisy images.

PL

Praca prezentuje metodę mierzenia geometrycznych charakterystyk płytek siarki z wykorzystaniem półautomatycznej analizy obrazu przeprowadzanej na obrazach mikroskopii elektronowej. Pomiary te są stosowane w przemyśle rafinacyjnym. W celu uzyskania estymatorów o rzetelnej jakości, potrzebne są pomiary kilkuset obiektów. Omawiane pomiary są zwykle wykonywane manualnie przez operatorów. Pomiary manualne pomimo tego, że są rzetelne, gdy przeprowadzane są przez doświadczonych operatorów, to są powolne (więcej niż jedna godzina na jeden obraz!) z powodu konieczności odpoczynku operatorów, często po to, aby zachować zdolność rozpoznania małych cząstek na zaszumionym tle. Co więcej, to zadanie jest nudne i monotonne. Potrzeba półautomatycznej procedury, która pozwoliłaby zastąpić pomiary manualne jest całkiem realna. W tym artykule, wyjaśniamy opracowany algorytm. Stosowany jest pierwszy aktywny algorytm konturu. Następnie jest prowadzona analiza "a posteriori" w celu analizy szczegółowej podzielonych na części obiektów. Wyniki są testowane na kilku przypadkach. Zostało opracowane oprogramowanie przemysłowe pod nazwą LoGraMi. Jest to program wykonywalny z rozszerzeniem exe. Celem tego artykułu nie jest prezentacja nowej metody segmentacji, ale wyjaśnienie w jaki sposób kilka klasycznych metod może zostać zaadoptowanych do rozwiązania problemu przemysłowego z bardzo zaszumionymi obrazami.

Słowa kluczowe

PL

płytki siarki; przemysł rafinacyjny

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Inżynieria Materiałowa
• Rocznik: 2008
• Tom: Vol. 29, nr 4
• Strony: 421--426
• Opis fizyczny: Bibliogr. 23 poz., rys., tab.

Twórcy

autor

Celse B.

autor

Bres S.

autor

Moreau F.

autor

Gueroult P.

autor

Sorbier L.

• IFP-Lyon, B.P. 3, 69390, vernaison, France,

Bibliografia

• [1] Topsøe H., Clausen B., Candia R., Wivel C., Mørup S.: In situ Mössbauer emission spectroscopy studies of unsupported and supported sulfided Co-Mo hydrodesulfurization catalysts: evidence for and nature of a Co-Mo-S Phase, J. Catal. 68 (1981) 433-452.
• [2] Raybaud P., Hafner J., Kresse G., Kasztelan S., Toulhoat H.: Structure, energetics, and electronic properties of the surface of a promoted mos2 catalyst: an ab initio local density functional study, J. Catal. 190 (2000) 128-143.
• [3] Gandubert A. D., Legens C., Guillaume D., Rebours S., Payen E.: X-ray Photoelectron Spectroscopy Surface Quantification of Sulfided CoMoP Catalysts Relation Between Activity and Promoted Sites.
• [4] Hirvonen P., Huttunen Heikki, Lappi Maija,: Estimating the distribution of particle dimensions from electron microscope images, Proceedings of SPIE, The International Society for Optical Engineering, 5672 (2005) 248-256.
• [5] Li Zhengmin, Yang Jinghe, Xu Xingzhong, Xu Xiuling, Yu Weijun, Yue: Particle shape characterization of fluidized catalytic cracking catalyst powders using the mean value and distribution of shape factors, Advanced Powder Technology 13 (3) (2002) 249-263.
• [6] Yang R., Buenfeld N. R.: Binary segmentation of aggregate in SEM image analysis of concrete, Cement and Concrete Research 31 (3) (2001) 437-441.
• [7] Sahoo P. K., Soltani S., Wong A. K. C., Chen Y. C.: A survey of thresholding techniques. Comp. Vision, Graphics Image Proc. 41 (1988) 233- 260.
• [8] Banks J., Pailthorpe B., Rothnagel R., Hankamer B.: Automatic Particle Picking Algorithms for High Resolution Single Particie Analysis, In Lovell, Brian C. and Maeder, Anthony J., Eds. Proceedings Australian Pattern Recognition Conference in Digital Image Computing Brisbane (2005) 127-132.
• [9] Gerig G, Klein F.: Fast contour identification through efficient Hough transform and simplified interpretation strategy. Proc ICPR 8 (1986) 498-500.
• [10] Talbot H., Villalobos I.: Binary image segmentation using weighted skeletons, SPIE Im Alg Morph Im Proc. 992 1769 393-403.
• [11] Talbot H., Villalobos I.: Binary image segmentation using weighted skeletons, SPIE Im Alg Morph Im Proc. 992 1769 393-403.
• [12] Singh V. et al.: Image segmentation for automatic particie identification in electron micrographs based on hidden Markov random field models and expectation maximization, Journal of Structural Biology, 145 (2004) 123-141.
• [13] Chan T., Vese L.: Active contours without edges, IEEE Trans. Image Processing, 10 (2) February (2001) 266-277.
• [14] Neuenschwander W., Fua P., Iverson L., Székely G., Küber O.: Ziplock Snakes, In International Journal of Computer Vision 25 (3) December (1997).
• [15] Wu H.-S., Xu R., Harpaz N., Burstein D., Gil J.: Segmentation of intestinal gland images with iterative region growing, Journal of Microscopy 220 (3) (2005) 190-204.
• [16] Zhu: Automatic particle selection: results of a comparative study, J Struct Biol. 145 (1-2) (2004) 3-14.
• [17] Nattkemper T. W.: Automatic segmentation of digital micrographs: A survey, Proc.of 11th World Congress on Medical Informatics (MEDINFO), 2004.
• [18] Krtolica A., Ortiz de Solorzano C., Lockett S., Campisi J.: Quantification of epithelial cells in coculture with fibroblasts by fluorescence image analysis, Cytometry, 49 (2002) 73-82.
• [19] Lindblad J., Bengtsson E.: A comparison of methods for estimation of intensity nonuniformities in 2D and 3D microscope images of fluorescence stained cells, Proceedings of the 12th Scandinavian Conference on Image Analysis (SCIA) (ed. by I. Austvoll), 264-271, NOBIM, Norway, (2001).
• [20] Gauthier J., Duval L., Pesquet J. C.: A non separable 2D complex modulated lapped transform and its applications to seismic data filtering. In European Sig. Proc. Conf. Antalya, Turkey (2005).
• [21] Kass M., Witkin A., Terzopoulos D.: Snakes: Active ContourModels. Int’l J. Comp. Vis. (1988) 321-331.
• [22] Talbot H., Lee T., Jeulin D., Hanton D., Hobbs L. W.: Image analysis of insulation mineral fibres, In Journal of Microscopy 200 (3) December (2000) 251-268.
• [23] Celse et al. (EOS), Image segmentation of very high resolution electron microscopic images: a practical approach, EOS Congress (2007).