Flame monitoring using image classification

• Autorzy: Sawicki D.

Identyfikatory

DOI

10.5604/20830157.1194267

Warianty tytułu

PL

Monitorowanie płomienia z wykorzystaniem klasyfikacji obrazów

• Języki publikacji: EN

Abstrakty

EN

This paper presents comparison of image classification methods for co-firing biomass and pulverized coal. Two classes of combustion – stable and unstable were defined for nine variants with different power value parameters and fixed amount biomass. Experimental results show that correct classification of images was achieved for the assumed variants.

PL

W pracy przedstawiono porównanie wybranych metod klasyfikacji obrazów dla współspalania pyłu węglowego i biomasy. Zdefiniowano dwie klasy spalania: stabilne i niestabilne dla dziewięciu wariantów z różnymi parametrami mocy oraz stałą ilością biomasy. Wyniki badań pokazują, poprawną klasyfikację obrazów dla założonych wariantów.

Słowa kluczowe

EN

flame; combustion; image classification

PL

płomień; spalanie; klasyfikacja obrazów

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2016
• Tom: nr 1
• Strony: 37--40
• Opis fizyczny: Bibliogr. 9 poz., rys., tab.

Twórcy

autor

Sawicki D.

• Institute of Electronics and Information Technology, Faculty of Electrical Engineering and Computer Science, Lublin University of Technology

Bibliografia

• [1] Abidha T.E., Mathai P.P., Divya M.: Vision Based Wildfire Detection Using Bayesian Decision Fusion Framework, International Journal of Advanced Research in Computer and Communication Engineering, Vol. 2, Issue 12, 2013, 4603–4609.
• [2] Agrawal S., Verma N.K., Tamrakar P., Sircar P.: Content Based Color Image Classification using SVM, Information Technology: New Generations (ITNG), Eighth International Conference, 2011, 1090–1094.
• [3] Dao-guang L., Li-Xia L., Chang-liang L., Jing C.: Flame Furnace In Thermal Power Plant Condition Monitoring Using SVM Proceeding ICICTA'09, Proceedings of Second International Conference on Intelligent Computation Technology and Automation, Vol. 3, 2009, 67–70.
• [4] Gu Q., Song Z.: Image Classification Using SVM, KNN and Performance Comparison with Logistic Regression, CS44 Final Project Report.
• [5] Hsu Ch., Chang Ch., Lin A.: Practical Guide to Support Vector Classification. Department of Computer Science National Taiwan University, Taipei 106, Taiwan 2010.
• [6] Kotyra A., Wójcik W., Gromaszek K., Smolarz A., Jagiełło K.: Assessment of biomass-coal co-combustion on the basis of flame image, Przegląd Elektrotechniczny, 11b/2012, 295–297.
• [7] Linghu B., Sun B.: Constructing effective SVM ensembles for image classification, Knowledge Acquisition and Modeling (KAM), 3rd International Symposium, 2010, 80–83.
• [8] Wen Z., Hu Y., Zhu W.: Bayesian Classification of Halftone Image based on Region Covariance, Third International Conference on Intelligent System Design and Engineering Applications, IEEE, 2013.
• [9] Zongfang M., Yongmei Ch., Huiqin W., Najuan Y.: Research of Flame Image Recognition Algorithm Based on SVM, Information Science and Engineering (ICISE), 1st International Conference, 2009, 1399–1401.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.