Wyniki wyszukiwania - BazTech

1

Advantages of convolutional neural network compared to multilayer perceptron in electrical tomography

Rymarczyk Tomasz, Kłosowski Grzegorz, Niderla Konrad

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 6

142--145

EN

This article deals with the optimization of the artificial neural network (ANN) architecture in order to improve the quality of tomographic imaging. During the research, many variants of predictive models were tested, differing in the number of neurons, the number and type of layers, learning algorithm, transfer functions, overfitting prevention methods, etc. As a result of comparing the results in the form of reconstruction images obtained with reference images, the optimal architecture of the neural network was selected. Noteworthy is the original approach of training separate ANNs for each image voxel separately. As a result, the model consists of many independently trained, single-output ANNs that form a structure referred to as a multiple neural network (MNN).

PL

Niniejszy artykuł dotyczy problematyki optymalizacji architektury sztucznej sieci neuronowej (SSN) w celu podniesienia jakości obrazowania tomograficznego. W trakcie badań testowano wiele wariantów modeli predykcyjnych, różniących się liczbą neuronów, liczbą i rodzajem warstw, algorytmem uczenia, funkcjami transferowymi, metodami zapobiegania przeuczeniu itp. W wyniku porównania rezultatów w postaci uzyskanych obrazów rekonstrukcyjnych z obrazami referencyjnymi wybrano optymalną architekturę sieci neuronowej. Na uwagę zasługuje oryginalne podejście polegające na trenowaniu osobnych ANN dla każdego woksela obrazu z osobna. W rezultacie model składa się z wielu niezależnie trenowanych, jednowyjściowych SSN, które tworzą strukturę określoną jako wielokrotna sieć neuronowa (WSN).

2

Hybrid machine learning in electrical impedance tomography

Rymarczyk Tomasz, Kłosowski Grzegorz, Guzik Mirosław, Niderla Konrad, Lipski Jerzy

Przegląd Elektrotechniczny

|

2021

|

R. 97, nr 12

169--172

EN

Artificial intelligence plays an increasingly important role in industrial tomography. In industry, various types of tomography can be used, where one of the criteria for classification may be a physical phenomenon. Thus, it is possible to distinguish computed tomography, impedance tomography, ultrasound tomography, capacitance tomography, radio-tomographic imaging, and others. The research described in this paper focuses on the EIT method used to imaging reactors' interior and industrial vessels. Inside the tested reactor, there may be a liquid of various densities containing solid inclusions or gas bubbles. The presented research presents the concept of transforming measurements into tomographic images using many known, homogeneous methods simultaneously. It is assumed that there is no single method of solving the inverse problem for all possible measurement cases. Depending on the specifics of the studied case, various methods generate reconstructions that differ in terms of accuracy and resolution. The presented research proves that the proposed approach justifies the increase in computational complexity, ensuring higher quality of tomographic images.

PL

W tomografii przemysłowej coraz większą rolę odgrywa sztuczna inteligencja. W przemyśle można stosować różne rodzaje tomografii, gdzie jednym z kryteriów podziału może być wykorzystywane zjawisko fizyczne. W ten sposób można wyróżnić tomografię komputerową, tomografię impedancyjną, tomografię ultradźwiękową, tomografię pojemnościową, obrazowanie radio-tomograficzne i inne. Opisywane w niniejszym opracowaniu badania skupiają się na metodzie EIT Wykorzystywanej do obrazowania wnętrza reaktorów i zbiorników przemysłowych. Wewnątrz badanego reaktora może znajdować się ciecz o różnej gęstości, zawierająca wtrącenia stałe lub pęcherze gazu. W prezentowanych badaniach przedstawiono koncepcję przekształcania pomiarów na obrazy tomograficzne wykorzystującą wiele znanych, homogenicznych metod jednocześnie. Przyjęto założenie, że nie istnieje jedna metoda rozwiązania problemu odwrotnego dla wszystkich możliwych przypadków pomiarowych. W zależności od specyfiki badanego przypadku różne metody generują rekonstrukcje zróżnicowane pod względem dokładności i rozdzielczości. Zaprezentowane badania udowadniają, że proponowane podejście uzasadnia wzrost złożoności obliczeniowej zapewniając wyższą jakość obrazów tomograficznych.

3

Neural hybrid tomograph for monitoring industrial reactors

Kłoskowski Grzegorz

Przegląd Elektrotechniczny

|

2020

|

R. 96, nr 12

190--193

EN

The article concerns research on the hybrid tomographic method, which simultaneously takes into account two types of tomography – ultrasonic tomography (UST) and electrical impedance tomography (EIT). An algorithm based on artificial neural networks (ANN) has been developed, the characteristic feature of which is the training of many regression neural networks. Each ANN output generates one of 4096 pixels of the reconstructed image. The inputs of neural networks are UST and EIT measurement vectors. Three variants of ANNs were trained: UST, EIT and a hybrid variant including UST and EIT measurements. Then the reconstruction results were compared. Surprisingly, the results of the performed experiments prove that the hybrid approach, i.e. the simultaneous use of UST and EIT measurements, does not always give better results than the use of a separate UST or EIT method. In the considered cases, when due to the nature of the examined object there are large differences in the quality of reconstruction between UST and EIT, the hybrid system tends to average the image. As a result, reconstructions from the hybrid system can be better than separate EIT but worse than separate UST.

PL

Artykuł dotyczy badań nad metodą tomografii hybrydowej, która jednocześnie uwzględnia dwa rodzaje tomografii - ultradźwiękową (UST) i impedancyjną (EIT). Opracowano algorytm oparty na sztucznych sieciach neuronowych (ANN), którego charakterystyczną cechą jest wytrenowanie wielu regresyjnych sieci neuronowych. Każde wyjście ANN generuje jeden z 4096 pikseli zrekonstruowanego obrazu. Wejściami sieci neuronowych są wektory pomiarowe UST i EIT. Wytrenowano trzy warianty ANN: UST, EIT oraz wariant hybrydowy obejmujący pomiary UST i EIT. Następnie porównano wyniki rekonstrukcji. Co zaskakujące, wyniki przeprowadzonych eksperymentów dowodzą, że podejście hybrydowe, czyli jednoczesne zastosowanie pomiarów UST i EIT, nie zawsze daje lepsze rezultaty niż oddzielne zastosowanie metody UST lub EIT. W rozważanych przypadkach, gdy ze względu na charakter badanego obiektu występują duże różnice w jakości rekonstrukcji pomiędzy UST i EIT, system hybrydowy dąży do uśrednienia obrazu. W rezultacie rekonstrukcje z systemu hybrydowego mogą być lepsze niż czyste EIT, ale gorsze niż UST.

4

Industrial processes control with the use of a neural tomographic algorithm

Rymarczyk Tomasz, Kłosowski Grzegorz, Cieplak Tomasz, Kozłowski Edward

Przegląd Elektrotechniczny

|

2019

|

R. 95, nr 2

96--99

EN

This paper presents the original Electrical Impedance Tomography (EIT) imaging algorithm in relation to physic-chemical processes of crystallization. Thanks to the developed method based on artificial neural networks (ANN), it was possible to develop an algorithm that could allow effective detection of crystals and other inclusions inside the reactor filled with non-Newtonian fluid. The neural controller contains a structure of independent neural networks. The number of ANNs corresponds to the resolution of the output image mesh.

PL

W artykule przedstawiono oryginalny algorytm obrazowania z wykorzystaniem elektrycznej impedancji tomograficznej (EIT) w odniesieniu do fizykochemicznych procesów krystalizacji. Dzięki opracowanej metodzie opartej na sztucznych sieciach neuronowych (SSN) możliwe było opracowanie algorytmu, który umożliwiłby skuteczne wykrywanie kryształów i innych wtrąceń wewnątrz reaktora wypełnionego płynem nienewtonowskim. Sterownik neuronowy składa się z systemu niezależnych sieci neuronowych. Liczba SSN odpowiada rozdzielczości siatki obrazu wyjściowego.