The use of elastic net and neural networks in industrial process tomography

• Autorzy: Rymarczyk Tomasz , Kłosowski Grzegorz

Identyfikatory

DOI

10.15199/48.2019.05.15

Warianty tytułu

PL

Zastosowanie elastic net i sieci neuronowych w tomografii przemysłowej

• Języki publikacji: EN

Abstrakty

EN

The article presents an innovative approach based on electrical capacitance tomography (ECT) improving industrial tomography processes. Thanks to the application of elastic net and artificial neural networks, algorithms have been developed that enable obtaining high quality images and resolutions. During the experiments, two methods of reconstructing "pixel by pixel" images were compared. Both methods showed high efficiency, and the use of elastic net accelerated the operation of the ECT system.

PL

W artykule przedstawiono nowatorskie podejście oparte na ECT usprawniające procesy tomografii przemysłowej. Dzięki zastosowaniu elastic net i sztucznych sieci neuronowych opracowano algorytmy umożliwiające uzyskanie obrazów o wysokiej jakości i rozdzielczości. W trakcie przeprowadzonych eksperymentów porównano dwie metody rekonstrukcji obrazów "pixel by pixel". Obie metody wykazały się wysoką skutecznością, a wykorzystanie elastic net przyspieszyło działanie systemu ECT.

Słowa kluczowe

EN

industrial process tomography; neural network; elastic net; electrical tomography

PL

przemysłowa tomografia procesowa; sieć neuronowa; elastic net; tomografia elektryczna

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2019
• Tom: R. 95, nr 5
• Strony: 59--62
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Rymarczyk Tomasz

• University of Economics and Innovation, Projektowa 4
• Netrix S.A., Lublin, Poland

autor

Kłosowski Grzegorz

• Lublin University of Technology, Nadbystrzycka 38A, Lublin, Poland

Bibliografia

• [1]. Lopato, P., Chady, T., Sikora, R., Gratkowski, S. & Ziolkowski, M. Full wave numerical modelling of terahertz systems for nondestructive evaluation of dielectric structures. COMPEL-The international journal for computation and mathematics in electrical and electronic engineering. 32 (2013), 736–749
• [2]. Garbaa, H., Jackowska-Strumiłło, L., Grudzień, K. & Romanowski, A. Application of electrical capacitance tomography and artificial neural networks to rapid estimation of cylindrical shape parameters of industrial flow structure. Archives of Electrical Engineering. 65 (2016), 657–669
• [3]. Rymarczyk, T., Kłosowski, G. & Kozłowski, E. A NonDestructive System Based on Electrical Tomography and Machine Learning to Analyze the Moisture of Buildings. Sensors, (18) 2018, 2285
• [4]. Dusek, J., Hladky, D. & Mikulka, J. Electrical impedance tomography methods and algorithms processed with a GPU. in 2017 Progress In Electromagnetics Research Symposium - Spring (PIERS), (2017), 1710–1714
• [5]. Kryszyn, J. & Smolik, W. Toolbox for 3d modelling and image reconstruction in electrical capacitance tomography. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska (IAPGOŚ), 7 (2017), np.1, 137-145
• [6]. Kryszyn, J., Wanta, D. M. & Smolik, W. T. Gain Adjustment for Signal-to-Noise Ratio Improvement in Electrical Capacitance Tomography System EVT4. IEEE Sensors Journal, 17 (2017), 8107–8116
• [7]. Grudzien, K., Chaniecki, Z., Romanowski, A., Sankowski, D., Nowakowski, J., & Niedostatkiewicz, M. Application of twinplane ECT sensor for identification of the internal imperfections inside concrete beams. Instrumentation and Measurement Technology Conference Proceedings (I2MTC), 2016 IEEE International. IEEE, (2016), 7520512
• [8]. Filipowicz, S. F. & Rymarczyk, T. Measurement Methods and Image Reconstruction in Electrical Impedance Tomography. Przegląd Elektrotechniczny 88 (2012), no. 6, 247–250
• [9]. Rymarczyk, T. & Kłosowski, G. Application of neural reconstruction of tomographic images in the problem of reliability of flood protection facilities. Eksploatacja i Niezawodnosc – Maintenance and Reliability,. 20 (2018), no. 3, 425–434
• [10]. Ziolkowski, M., Gratkowski, S. & Zywica, A. R. Analytical and numerical models of the magnetoacoustic tomography with magnetic induction. COMPEL-The international journal for computation and mathematics in electrical and electronic engineering. 37 (2018), no.2, 538–548
• [11]. Polakowski, K., Filipowicz, S. F., Sikora, J. & Rymarczyk, T. Quality of imaging in multipath tomography. Przegląd Elektrotechniczny 85 (2009), no. 12, 134–136
• [12]. Mazurkiewicz, D. Maintenance of belt conveyors using an expert system based on fuzzy logic. Archives of Civil and Mechanical Engineering. 15 (2015), no. 2, 412–418
• [13]. Kłosowski, G., Kozłowski, E. & Gola, A. Integer Linear Programming in Optimization of Waste After Cutting in the Furniture Manufacturing. International Conference on Intelligent Systems in Production Engineering and Maintenance 637, (2018)
• [14]. Psuj, G. Multi-Sensor Data Integration Using Deep Learning for Characterization of Defects in Steel Elements. Sensors, 18 (2018), 292
• [15]. Wajman, R., Fiderek, P., Fidos, H., Jaworski, T., Nowakowski, J., Sankowski, D., & Banasiak, R. Metrological evaluation of a 3D electrical capacitance tomography measurement system for two-phase flow fraction determination. Measurement Science and Technology., 24 (2013), no. 6, 065302
• [16]. Rymarczyk T., Sikora J. Applying industrial tomography to control and optimization flow systems, Open Physics, 16 (2018), 332–345
• [17]. Zou, H. & Hastie, T. Regularization and variable selection via the elastic net. Journal of the Royal Statistical Society: Series B (Statistical Methodology). 67 (2005), 301–320
• [18]. Alhamzawi, R. & Ali, H. T. M. The Bayesian adaptive lasso regression. Mathematical Biosciences. (2018).

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).