Comparison of welds defects classifiers based on artificial neural networks

• Autorzy: Sikora R. , Chady T. , Caryk M.

Warianty tytułu

PL

Porównanie metod klasyfikacji wad spawania wykorzystujących sztuczne sieci neuronowe

• Języki publikacji: EN

Abstrakty

EN

The paper describes comparison of two weld defect's classifiers based on artificial neural networks. First model consists of one neural network, where each output neuron corresponds to different defect group. The second model contains five neural networks. Each neural network has one neuron on output and is responsible for detection of one defects' category. In order to evaluate the effectiveness of the neural networks classifiers, the mean square errors were calculated for test radiograms and compared.

PL

Artykuł przedstawia analizę porównawczą dwóch klasyfikatorów defektów opartych na sztucznych sieciach neuronowych. Pierwszy model składa się z pojedynczej sztucznej sieci neuronowej, w której każde wyjście odpowiada jednej grupie wad. Drugi model złożony jest z pięciu sztucznych sieci neuronowych. Każda sieć neuronowa odpowiedzialna jest za wykrycie jednej grupy wad. Do oceny skuteczności działania klasyfikatorów wykorzystano średni błąd kwadratowy wyznaczony dla testowych rzeczywistych radiogramów.

Słowa kluczowe

EN

radiography; artificial neural network

PL

radiografia; sieć neuronowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2009
• Tom: R. 85, nr 8
• Strony: 23--27
• Opis fizyczny: Bibliogr. 9 poz., rys., tab.

Twórcy

autor

Sikora R.

autor

Chady T.

autor

Caryk M.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Katedra Elektrotechniki Teoretycznej i Informatyki,

Bibliografia

• [1] R. Penrose "Shadow of the Mind". Oxford University Press, 1994
• [2] Chady T., Caryk M, "Selected algorithms of background generation used for flaw detection in welded joints" in Review of Quantitative Nondestructive Evaluation, Vol. 27, American Institute of Physics, New York, 2008, pp. 453-460
• [3] Chady T., Caryk M., Piekarczyk B. "Automated defect classification using an artificial neural network" in Review of Quantitative Nondestructive Evaluation
• [4] Anand R., Mehrotra K., Mohan C.K., Ranka S. "Efficient classification for multiclass problem using modular neural network", IEEE Transaction of neural network, 1995, Vol. 6, p117-124
• [5] Nacereddine Nafaa, Drai Redouane and Benchaala Amar, "Weld Defect Extraction and Classification in Radiographic Testing Based Artificial Neural Networks", Roma 2000 WCNDT
• [6] Petra Perner, Uwe Zscherpel, Carsten Jacobson, "A comparison between neural networks and decision trees based on data from industrial radiographic testing", Pattern Recognition Letters 22 (2001) 47-54
• [7] Shaun W. Lawson, Graham A. Parker, "Intelligent segmentation of industrial radiographic images using neural networks", SPIE Vol. 2347, p. 245-255
• [8] European Norm EN ISO 6520-1:1998
• [9] Osowski S. "Sieci neuronowe w ujęciu algorytmicznym", Wydawnictwa Naukowo-Techniczne Wydanie II (1996)