Wyniki wyszukiwania - BazTech

1

Advancing Chipboard Milling Process Monitoring through Spectrogram-Based Time Series Analysis with Convolutional Neural Network using Pretrained Networks

Kurek Jarosław, Szymanowski Karol, Chmielewski Leszek, Orłowski Arkadiusz

Machine Graphics and Vision

|

2023

|

Vol. 32, No. 2

89--108

EN

This paper presents a novel approach to enhance chipboard milling process monitoring in the furniture manufacturing sector using Convolutional Neural Networks (CNNs) with pretrained architectures like VGG16, VGG19, and RESNET34. The study leverages spectrogram representations of time-series data obtained during the milling process, providing a unique perspective on tool condition monitoring. The efficiency of the CNN models in accurately classifying tool conditions into distinct states (‘Green’, ‘Yellow’, and ‘Red’) based on wear levels is thoroughly evaluated. Experimental results demonstrate that VGG16 and VGG19 achieve high accuracy, however with longer training times, while RESNET34 offers faster training at the cost of reduced precision. This research not only highlights the potential of pretrained CNNs in industrial applications but also opens new avenues for predictive maintenance and quality control in manufacturing, underscoring the broader applicability of AI in industrial automation and monitoring systems.

2

Improved efficient capsule network for Kuzushiji-MNIST benchmark dataset classification

Bukowski Michał, Antoniuk Izabella, Kurek Jarosław

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2023

|

Vol. 71, nr 6

art. no. e147338

EN

In this paper, we present an improved efficient capsule network (CN) model for the classification of the Kuzushiji-MNIST and Kuzushiji-49 benchmark datasets. CNs are a promising approach in the field of deep learning, offering advantages such as robustness, better generalization, and a simpler network structure compared to traditional convolutional neural networks (CNNs). Proposed model, based on the Efficient CapsNet architecture, incorporates the self-attention routing mechanism, resulting in improved efficiency and reduced parameter count. The experiments conducted on the Kuzushiji-MNIST and Kuzushiji-49 datasets demonstrate that the model achieves competitive performance, ranking within the top ten solutions for both benchmarks. Despite using significantly fewer parameters compared to higher-rated competitors, presented model achieves comparable accuracy, with overall differences of only 0.91% and 1.97% for the Kuzushiji-MNIST and Kuzushiji- 49 datasets, respectively. Furthermore, the training time required to achieve these results is substantially reduced, enabling training on nonspecialized workstations. The proposed novelties of capsule architecture, including the integration of the self-attention mechanism and the efficient network structure, contribute to the improved efficiency and performance of presented model. These findings highlight the potential of CNs as a more efficient and effective approach for character classification tasks, with broader applications in various domains.

3

Evaluation of Selected Elements of the Potential of the Polish Armed Forces

Kurek Jarosław

Systemy Logistyczne Wojsk

|

2021

|

Vol. 54, no. 1

5--24

EN

The article contains a presentation of the Polish Armed Forces and in-depth characteristics of selected areas, which, in the author’s opinion, determine the level of its military potential. The Armed Forces of the Republic of Poland were characterized, focusing on the main defense tasks that are set for soldiers of the Polish Army in the context of fighting and securing the interests of the Polish state, as well as tasks resulting from international agreements. A definition of the Armed Forces potential was showing the approach to this issue by various authors. The number of soldiers was assessed and compared with the strength of the world’s most powerful armies as well as the armies of neighboring countries. An analysis of material resources was made, presenting not only their current state, but also the prospects for development. Additionally, it was emphasized that apart from personal and material resources, an extremely important element influencing the military potential is the psychophysical condition of Polish soldiers. It was emphasized that a particularly important feature that should characterize a soldier is high level of physical fitness. In order to understand this problem well, physical fitness has been defined according to the approach of various authors, gross motor skills have been described, broken down into fitness and non-fitness skills, and the method of assessing the physical fitness of soldiers of the Polish Army has been presented. In the last stage, reference was made to the results of the physical fitness assessment presented in the available national literature.

PL

W artykule zaprezentowano Siły Zbrojne RP oraz pogłębioną charakterystykę wybranych obszarów, które zdaniem autora determinują poziom potencjału militarnego. Scharakteryzowano Siły Zbrojne Rzeczypospolitej Polskiej, skupiając się na głównych zadaniach obronnych stawianych przed żołnierzami Wojska Polskiego w kontekście prowadzenia walki i zabezpieczenia interesów państwa polskiego, a także zadaniach wynikających z porozumień międzynarodowych. Przedstawiono definicję potencjału Sił Zbrojnych, prezentując podejście do tego zagadnienia różnych autorów. Oceniono liczbę żołnierzy Wojska Polskiego z podziałem na korpusy osobowe, rodzaje wojsk i porównano ją z liczebnością najpotężniejszych armii świata, a także armii sąsiadujących. Dokonano analizy posiadanych zasobów materialnych, prezentując nie tylko ich aktualny stan, ale również perspektywy rozwoju. W tym kontekście szczegółowo przedstawiono aktualny stan uzbrojenia Wojsk Lądowych Sił Zbrojnych RP, a także główne uzbrojenie i wyposażenie Sił Zbrojnych RP. Dodatkowo podkreślono, że oprócz posiadanych zasobów osobowych oraz materialnych niezwykle ważnym elementem wpływającym na potencjał militarny jest kondycja psychofizyczna i również w tym kontekście dokonano oceny żołnierzy Wojska Polskiego. W związku z tym scharakteryzowano elementy kondycji psychofizycznej, do której zaliczono zdrowie psychiczne, cechy osobowości oraz sprawność fizyczną. Podkreślono, że szczególnie istotną cechą, która powinna charakteryzować żołnierza, jest wysoki stopień wyszkolenia fizycznego. W celu poprawnego zrozumienia tego problemu zdefiniowano sprawność fizyczną w podejściu różnych autorów, dokonano opisu podstawowych zdolności motorycznych z podziałem na zdolności kondycyjne i niekondycyjne oraz przedstawiono sposób oceny sprawności fizycznej żołnierzy Wojska Polskiego. W ostatnim etapie odniesiono się do wyników oceny sprawności fizycznej przedstawianych w dostępnej literaturze krajowej. W tym ujęciu zaprezentowano podstawowe wyniki badań przeprowadzone m.in. na żołnierzach Wojsk Specjalnych oraz kawalerii powietrznej.

4

Issledovanie ispolʹzovaniâ fuzii peremennyh v processe primeneniâ metoda opornyh vektorov v diagnostic

Jegorowa Albina, Górski Jarosław, Kurek Jarosław

Annals of Warsaw University of Life Sciences - SGGW. Forestry and Wood Technology

|

2020

|

No. 110

97--102

RU

Исследование использования фузии переменных в процессе применения метода опорных векторов в диагностике сверл во время обработки древесностружечной плиты. Целью работы было определение возможности слияния т.е. фузии переменных, определенных для диагностики режущего инструмента используемого во время сверления древесностружечной ламинированной плиты, в основе которого лежит метод опорных векторов. В результате применения данного метода удалось редуцировать набор переменных на 92,75 % к первоначальному, что позволило улучшить показатель точности классификации во время мониторинга за состоянием режущего инструмента, сократить время на тренировку системы и улучшить показатели генерализации. Проведенные исследования показали, что данный метод работает и значительно улучшает качество классификации неинвазивного метода диагностики сверл. Точность классификации составила 85,10%. Система не допускает ошибок между крайними классами. Количество ошибок между соседними классами незначительно.

PL

Badanie wykorzystania fuzji cech diagnostycznych stosowanych podczas diagnostyki stopnia zużycia wierteł w trakcie obróbki płyt wiórowych laminowanych, z wykorzystaniem algorytmu maszyny wektorów wspierających. Celem pracy było określenie możliwości zastosowania fuzji zmiennych zdefiniowanych do diagnostyki narzędzia skrawającego stosowanego w trakcie wiercenia płyt wiórowych laminowanych, w oparciu o algorytm maszyny wektorów wspierających (SVM). W wyniku zastosowania tej metody możliwe było zmniejszenie zbioru zmiennych o 92,75%, do zbioru pierwotnego, co pozwoliło na poprawę dokładności klasyfikacji podczas monitorowania stanu narzędzi skrawających, skrócenie czasu uczenia oraz poprawę generalizacji. Badania wykazały, że metoda ta jest skuteczna, znacząco poprawiająca jakość klasyfikacji nieinwazyjnej diagnostyki wierteł. Dokładność klasyfikacji wyniosła 85,10%, a ponadto system nie dopuszcza do błędów pomiędzy klasami ekstremalnymi. Liczba błędów pomiędzy sąsiednimi klasami jest nieistotna.

5

Diagnostika rieżuszczego instrumienta s ispolzowanijem ałgoritma Treebagger wo wriemia swierlenija driewiesnost

Jegorowa Albina, Górski Jarosław, Kurek Jarosław, Iurev Maksim

Annals of Warsaw University of Life Sciences - SGGW. Forestry and Wood Technology

|

2020

|

No. 110

126--130

EN

Диагностика режущего инструмента с использованием алгоритма Treebagger во время сверления древесностружечной плиты. Целью работы была оценка возможности использования алгоритма Treebagger так называемого ансамбля деревьев, для оценки состояния износа режущей кромки инструмента используемого в деревообработке в режиме реального времени и без участия человека. Оценка точности классификации при использовании данного алгоритма. В результате использования данного метода удалось получить точность классификации на уровне 80 %. Что важно, использованный классификатор Treebagger не путает между собой крайние классы, „зеленый” и „красный”. Это позволяет сделать вывод, что при соответствующем усовершенствовании алгоритма можно получить более высокую точность классификации и возможно использовать его для создания системы неинвазивной оценки состояния режущего инструмента.

PL

Diagnostyka narzędzi skrawających z wykorzystaniem algorytmu Treebagger podczas wiercenia w płycie wiórowej. Celem pracy była ocena możliwości wykorzystania algorytmu Treebagger, tzw. zespołu drzew decyzyjnych, do oceny stanu zużycia ostrzy narzędzi wykorzystywanych w obróbce drewna oraz materiałów drewnopochodnych w czasie rzeczywistym i bez udziału operatora, a także ocena dokładności klasyfikacji przy zastosowaniu danego algorytmu. W wyniku zastosowania tej metody udało się uzyskać dokładność klasyfikacji na poziomie 80%. Co ważne, zastosowany klasyfikator Treebagger nie myli skrajnych klas: „zielonej” i „czerwonej”. Pozwala to stwierdzić, że wraz z odpowiednim ulepszeniem algorytmu można uzyskać wyższą dokładność klasyfikacji, jak i na jego podstawie stworzyć system do nieinwazyjnej oceny stanu narzędzi skrawających.

6

Textural features based on run length encoding in the classification of furniture surfaces with the orange skin defect

Pach Jakub, Chmielewski Leszek J., Orłowski Arkadiusz, Kruk Michał, Kurek Jarosław, Świderski Bartosz, Antoniuk Izabella, Wieczorek Grzegorz, Śmietańska Katarzyna, Górski Jarosław

Machine Graphics and Vision

|

2019

|

Vol. 28, No. 1/4

35--45

EN

Textural features based upon thresholding and run length encoding have been successfully applied to the problem of classification of the quality of lacquered surfaces in furniture exhibiting the surface defect known as orange skin. The set of features for one surface patch consists of 12 real numbers. The classifier used was the one nearest neighbour classifier without feature selection. The classification quality was tested on 808 images 300 by 300 pixels, made under controlled, close-to-tangential lighting, with three classes: good, acceptable and bad, in close to balanced numbers. The classification accuracy was not smaller than 98% when the tested surface was not rotated with respect to the training samples, 97% for rotations up to 20 degrees and 95.5% in the worst case for arbitrary rotations.

7

Data augmentation techniques for transfer learning improvement in drill wear classification using convolutional neural network

Kurek Jarosław, Antoniuk Izabella, Górski Jarosław, Jegorowa Albina, Świderski Bartosz, Kruk Michał, Wieczorek Grzegorz, Pach Jakub, Orłowski Arkadiusz, Aleksiejuk-Gawron Joanna

Machine Graphics and Vision

|

2019

|

Vol. 28, No. 1/4

3--12

EN

This paper presents an improved method for recognizing the drill state on the basisof hole images drilled in a laminated chipboard, using convolutional neural network (CNN) and data augmentation techniques. Three classes were used to describe the drill state: red - for drill that is worn out and should be replaced, yellow - for state in which the system should send a warning to the operator, indicating that this element should be checked manually, and green - denoting the drill that is still in good condition, which allows for further use in the production process. The presented method combines the advantages of transfer learning and data augmentation methods to improve the accuracy of the received evaluations. In contrast to the classical deep learning methods, transfer learning requires much smaller training data sets to achieve acceptable results. At the same time, data augmentation customized for drill wear recognition makes it possible to expand the original dataset and to improve the overall accuracy. The experiments performed have confirmed the suitability of the presented approach to accurate class recognition in the given problem, even while using a small original dataset.

8

Context-based segmentation of the longissimus muscle in beef with a deep neural network

Talacha Karol, Świderski Bartosz, Kurek Jarosław, Kruk Michał, Półtorak Andrzej, Chmielewski Leszek J., Wieczorek Grzegorz, Antoniuk Izabella, Pach Jakub, Orłowski Arkadiusz

Machine Graphics and Vision

|

2019

|

Vol. 28, No. 1/4

47--57

EN

The problem of segmenting the cross-section through the longissimus muscle in beef carcasses with computer vision methods was investigated. The available data were 111 images of cross-sections coming from 28 cows (typically four images per cow). Training data were the pixels of the muscles, marked manually. The AlexNet deep convolutional neural network was used as the classifier, and single pixels were the classified objects. Each pixel was presented to the network together with its small circular neighbourhood, and with its context represented by the further neighbourhood, darkened by halving the image intensity. The average classification accuracy was 96%. The accuracy without darkening the context was found to be smaller, with a small but statistically significant difference. The segmentation of the longissimus muscle is the introductory stage for the next steps of assessing the quality of beef for the alimentary purposes.

9

Classifiers ensemble of transfer learning for improved drill wear classification using convolutional neural network

Kurek Jarosław, Antoniuk Izabella, Górski Jarosław, Jegorowa Albina, Świderski Bartosz, Kruk Michał, Wieczorek Grzegorz, Pach Jakub, Orłowski Arkadiusz, Aleksiejuk-Gawron Joanna

Machine Graphics and Vision

|

2019

|

Vol. 28, No. 1/4

13--23

EN

In this paper we introduce the enhanced drill wear recognition method, based on classifiers ensemble, obtained using transfer learning and data augmentation methods. Red, green and yellow classes are used to describe the current drill state. The first one corresponds to the case when drill should be immediately replaced. The second one denotes a tool that is still in a good condition. The final class refers to the case when a drill is suspected of being worn out, and a human expert evaluation would be required. The proposed algorithm uses three different, pretrained network models and adjusts them to the drill wear classification problem. To ensure satisfactory results, each of the methods used was required to achieve accuracy above 90% for the given classification task. Final evaluation is achieved by voting of all three classifiers. Since the initial data set was small (242 instances), the data augmentation method was used to artificially increase the total number of drill hole images. The experiments performed confirmed that the presented approach can achieve high accuracy, even with such a limited set of training data.

10

BCT Boost Segmentation with U-net in TensorFlow

Wieczorek Grzegorz, Antoniuk Izabella, Kurek Jarosław, Świderski Bartosz, Kruk Michał, Pach Jakub, Orłowski Arkadiusz

Machine Graphics and Vision

|

2019

|

Vol. 28, No. 1/4

25--34

EN

In this paper we present a new segmentation method meant for boost area that remains after removing the tumour using BCT (breast conserving therapy). The selected area is a region on which radiation treatment will later be made. Consequently, an inaccurate designation of this region can result in a treatment missing its target or focusing on healthy breast tissue that otherwise could be spared. Needless to say that exact indication of boost area is an extremely important aspect of the entire medical procedure, where a better definition can lead to optimizing of the coverage of the target volume and, in result, can save normal breast tissue. Precise definition of this area has a potential to both improve the local control of the disease and to ensure better cosmetic outcome for the patient. In our approach we use U-net along with Keras and TensorFlow systems to tailor a precise solution for the indication of the boost area. During the training process we utilize a set of CT images, where each of them came with a contour assigned by an expert. We wanted to achieve a segmentation result as close to given contour as possible. With a rather small initial data set we used data augmentation techniques to increase the number of training examples, while the final outcomes were evaluated according to their similarity to the ones produced by experts, by calculating the mean square error and the structural similarity index (SSIM).