Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: fuzzy K-means

Sortuj według:

Ogranicz wyniki do:

Assessing the surface corrosion of a steel railway bridge using an active short-range remote sensing system

Gawronek Pelagia

Geomatics, Landmanagement and Landscape

2023

no. 4

287--296

The idea of assessing the surface corrosion of a steel railway bridge evolved as a response to an industry need for fast and non-manual confirmation of the progress of surface deterioration of monochromatic bridges. Terrestrial laser scanning is a technology for remote acquisition of information about the geometry of an object in the form of a point cloud, in which the coordinates (X, Y, Z) are recorded for each point and information on the intensity of the reflected beam is also recorded. In addition to the accurate representation of changes in the geometry of an ageing object, represented by the three-dimensional coordinates of the bridge, terrestrial laser scanning provided information about the surface properties of the bridge object in the form of the intensity of the reflection beam. Imaging algorithms enable it to indicate the homogeneous surfaces of the bridge and, therefore, suggest whether they are subject to corrosion processes or not. The intensity of the object’s point cloud, through the use of unsupervised classification tools, ensures the detection of changes in the surface properties of a monochromatic railway bridge. The classification method for the unsupervised raster representation of grey-scale reflectance intensity (generated from TLS data), as in classical remote sensing, provides classes of pixels with similar reflectance properties. The concept for the scientific research on the detection of the corrosion progress of a steel railway bridge using an active short-range remote sensing system involved the development of algorithmic advances that allow the comparison of periodic raster classifications from a point cloud. Thanks to the differentiation of the imaging, it is possible to determine changes in the location and extent of corrosion, the rate of its progress in ageing steel objects, the detection of cracks and fissures as structural hotspots, indicating the filling capacity of the object, as provided for in the technical documentation. The study provided an empirical basis for research on automatic corrosion detection.

Koncepcja oceny korozji powierzchniowej stalowego mostu kolejowego zrodziła się jako odpowiedź na potrzebę branżową szybkiej oraz niemanualnej konstatacji postępów zniszczenia powierzchniowego mostów monochromatycznych. Naziemny skaning laserowy to technologia zdalnego pozyskiwania informacji o geometrii obiektu w postaci chmury punktów, której dla każdego punktu zapisane są współrzędne (X, Y, Z) oraz zarejestrowana jest również informacja o intensywności wiązki odbicia. Poza wiernym odzwierciedleniem zmian geometrii obiektu wiekowego, reprezentowanym przez współrzędne trójwymiarowe mostu, naziemny skaning laserowy dostarczał informacji o właściwościach powierzchni obiektu mostowego w postaci intensywności wiązki odbicia. Może ona, poprzez algorytmy zobrazowania, wskazać może powierzchnie jednorodne mostu, a zatem poddane bądź nie procesom korozji. Intensywność chmury punktów obiektu, poprzez zastosowanie narzędzi klasyfikacji nienadzorowanej zapewnia detekcję zmian właściwości powierzchni mono-barwnego mostu kolejowego. Metodą klasyfikacji nienadzorowanej rastrowej reprezentacji intensywności odbicia w skali szarości (wygenerowanej z danych TLS), podobnie jak w przypadku klasycznej teledetekcji, uzyskuje się klasy pikseli o podobnych właściwościach odbicia promieniowania. Koncepcja badań naukowych nad detekcją postępu korozji stalowego mostu kolejowego z zastosowaniem aktywnego systemu teledetekcji bliskiego zasięgu zakładała opracowanie postępów algorytmicznych pozwalających na porównywanie okresowych klasyfikacji rastrów z chmury punktów. Dzięki różnicowaniu zobrazowań, możliwe jest określenie zmian lokalizacji i zasięgu korozji, tempa ich postępowania w przypadku stalowych obiektów wiekowych, detekcji rys i spękań, jako punktów newralgicznych konstrukcji, świadczących o wypełniających się zdolnościach eksploatacyjnych obiektu, przewidzianych w dokumentacji technicznej. Przeprowadzone opracowanie wskazało empiryczne podstawy do prowadzenia badań nad automatyczną detekcją korozji.

Lung cancer detection using an integration of fuzzy K-Means clustering and deep learning techniques for CT lung images

Prasad J. Maruthi Nagendra, Chakravarty S., Krishna M. Vamsi

Bulletin of the Polish Academy of Sciences. Technical Sciences

2022

Vol. 70, nr 3

art. no. e139006

Computer aided detection systems are used for the provision of second opinion during lung cancer diagnosis. For early-stage detection and treatment false positive reduction stage also plays a vital role. The main motive of this research is to propose a method for lung cancer segmentation. In recent years, lung cancer detection and segmentation of tumors is considered one of the most important steps in the surgical planning and medication preparations. It is very difficult for the researchers to detect the tumor area from the CT (computed tomography) images. The proposed system segments lungs and classify the images into normal and abnormal and consists of two phases, The first phase will be made up of various stages like pre-processing, feature extraction, feature selection, classification and finally, segmentation of the tumor. Input CT image is sent through the pre-processing phase where noise removal will be taken care of and then texture features are extracted from the pre-processed image, and in the next stage features will be selected by making use of crow search optimization algorithm, later artificial neural network is used for the classification of the normal lung images from abnormal images. Finally, abnormal images will be processed through the fuzzy K-means algorithm for segmenting the tumors separately. In the second phase, SVM classifier is used for the reduction of false positives. The proposed system delivers accuracy of 96%, 100% specificity and sensitivity of 99% and it reduces false positives. Experimental results shows that the system outperforms many other systems in the literature in terms of sensitivity, specificity, and accuracy. There is a great tradeoff between effectiveness and efficiency and the proposed system also saves computation time. The work shows that the proposed system which is formed by the integration of fuzzy K-means clustering and deep learning technique is simple yet powerful and was effective in reducing false positives and segments tumors and perform classification and delivers better performance when compared to other strategies in the literature, and this system is giving accurate decision when compared to human doctor’s decision.