Neural hybrid tomograph for monitoring industrial reactors

• Autorzy: Kłoskowski, Grzegorz

Warianty tytułu

PL

Neuronowy tomograf hybrydowy do monitorowania reaktorów przemysłowych

• Języki publikacji: EN

Abstrakty

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.

Słowa kluczowe

PL

tomografia przemysłowa; uczenie maszynowe; sieci neuronowe; systemy hybrydowe

EN

industrial tomography; machine learning; neural networks; hybrid systems

• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2020
• Tom: R. 96, nr 12
• Strony: 190--193
• Opis fizyczny: Bibliogr. 19 poz., rys., tab.

Twórcy

autor

Kłoskowski, Grzegorz

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

Bibliografia

• [1] Rymarczyk T., Kozłowski E., Kłosowski G. Niderla K., Logistic Regression for Machine Learning in Process Tomography, Sensors, 19 (2019), No. 15, 3400
• [2] Rymarczyk T., Sikora J., Waleska B.: Coupled Boundary Element Method and Level Set Function for Solving Inverse Problem in EIT, 7th World Congress on Industrial Process Tomography, WCIPT7, 312-319, 2-5 September 2013, Krakow, Poland
• [3] Szczesny, A.; Korzeniewska, E. Selection of the method for the earthing resistance measurement. Przegląd Elektrotechniczny, 94 (2018), 178–181
• [4] Galazka-Czarnecka, I.; Korzeniewska E., Czarnecki A. et al., Evaluation of Quality of Eggs from Hens Kept in Caged and Free-Range Systems Using Traditional Methods and Ultra- Weak Luminescence, Applied sciences-basel, 9 (2019), No. 12, 2430
• [5] Kosinski, T.; Obaid, M.; Wozniak, P.W.; Fjeld, M.; Kucharski, J. A fuzzy data-based model for Human-Robot Proxemics. In Proceedings of the 2016 25th IEEE International Symposium on Robot and Human Interactive Communication (RO-MAN), New York, NY, USA, 26–31 August 2016; 335–340
• [6] Fraczyk, A.; Kucharski, J. Surface temperature control of a rotating cylinder heated by moving inductors. Appl. Therm. Eng. 2017, 125, 767–779
• [7] Kozłowski E., Mazurkiewicz D., Żabiński T., Prucnal S., Sęp J., Assessment model of cutting tool condition for real-time supervision system, Eksploatacja i Niezawodnosc – Maintenance and Reliability, 21 (2019); No 4, 679–685
• [8] Kłosowski G., Rymarczyk T., Cieplak T., Niderla K., Skowron Ł., Quality assessment of the neural algorithms on the example of EIT-UST hybrid tomography, Sensors, 20 (2020), No. 11, 3324
• [9] Goetzke-Pala A., Hoła A., Sadowski Ł., A non-destructive method of the evaluation of the moisture in saline brick walls using artificial neural networks, Arch. Civ. Mech. Eng., 18 (2018), No. 4, 1729–1742
• [10] Filipowicz S.F., Rymarczyk T., The Shape Reconstruction of Unknown Objects for Inverse Problems, Przegląd Elektrotechniczny, 88 (2012), No 3A, 55-57
• [11] Rymarczyk T., Adamkiewicz P., Duda K., Szumowski J., Sikora J., New Electrical Tomographic Method to Determine Dampness in Historical Buildings, Archives of Electrical Engineering, 65 (2016), No 2, 273-283
• [12] Rymarczyk T., New Methods to Determine Moisture Areas by Electrical Impedance Tomography, International Journal of Applied Electromagnetics and Mechanics, 52 (2016), 79-87
• [13] Rymarczyk T., Using electrical impedance tomography to monitoring flood banks, International Journal of Applied Electromagnetics and Mechanics, 45 (2014), 489–494
• [14] Rymarczyk T, Kłosowski G., Innovative methods of neural reconstruction for tomographic images in maintenance of tank industrial reactors. Eksploatacja i Niezawodnosc – Maintenance and Reliability, 21 (2019); No. 2, 261–267.
• [15] Khairi M. T. M. et al., Ultrasound computed tomography for material inspection: Principles, design and applications, Measurement, 146 (2019), 490–523
• [16] Chen H.et al., Standard Plane Localization in Fetal Ultrasound via Domain Transferred Deep Neural Networks,” IEEE J. Biomed. Heal. Informatics, 19 (2015), 1627–1636
• [17] Romanowski, A. Big Data-Driven Contextual Processing Methods for Electrical Capacitance Tomography. IEEE Trans. Ind. Informatics, 15 (2019), 1609–1618
• [18] Majchrowicz M., Kapusta P., Jackowska-Strumiłło L., Sankowski D., Acceleration of image reconstruction process in the electrical capacitance tomography 3d in heterogeneous, multi-gpu system, Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska (IAPGOŚ) , 7 (2017), No. 1, 37-41
• [19] Kłosowski G., Rymarczyk T., Kania K., Świć A., Cieplak T., Maintenance of industrial reactors based on deep learning driven ultrasound tomography, Eksploatacja i Niezawodnosc – Maintenance and Reliability; 22 (2020), No 1, 138–147

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).

Identyfikatory

DOI

10.15199/48.2020.12.40