Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Automation of optical quality control in the example of the furniture industry

100%

Maj M. , Pliszczuk D. , Cieplak T.

tom R. 99, nr 1

245--248

A prototype of a quality control system based on optical detection algorithms will be presented here. In its functionality, it will include an exemplary web application used by the customer to place an order - in this case, a wardrobe, based on which an employee will be able to control the quality of the order and, more precisely - to check whether the components of a given order in the warehouse have not undergone the ageing process, e.g. paintwork.

Przedstawiony został prototyp systemu kontroli jakości opartego na algorytmach detekcji optycznej. W swojej funkcjonalności zawiera przykładową aplikację webową, za pomocą której klient może złożyć zamówienie – w tym przypadku szafę, na podstawie której pracownik będzie mógł kontrolować jakość zamówienia, a dokładniej – sprawdzać, czy poszczególne elementy danego zamówienia, jak np. lakier, nie zostały poddane procesowi starzenia się.

Investigation of strain rate sensitivity of Gum Metal under tension using digital image correlation

75%

Golasiński K. , Pieczyska E. , Maj M. , Staszczak M. , Świec P. , Furuta T. , Kuramoto S.

2020

tom Vol. 20, no. 2

339--352

Mechanical behavior of a multifunctional titanium alloy Gum Metal was investigated by conducting tensile tests at various strain rates and applying digital image correlation (DIC) technique. Stress–strain curves confirmed low Young’s modulus and high strength of the alloy. The determined values of yield strength had a tendency to increase, whereas the elongation to the specimen rupture tended to decrease with increasing strain rate. True stress versus strain curves were analyzed using selected lengths of virtual extensometer (VE) placed in the strain localization area. When the initial length of the VE was the same as the gauge length, work hardening was observed macroscopically at lower strain rates, and a softening was seen at higher strain rates. However, the softening effect was not observed at the shorter VE lengths. Evolution of the Hencky strain and rate of deformation tensor component fields were analyzed for various strain rates at selected stages of Gum Metal load-ing. The DIC analysis demonstrated that for lower strain rates the deformation is macroscopically uniform up to the higher average Hencky strains, whereas for higher strain rates the strain localization occurs at the lower average Hencky strains of the deformation process and takes place in the smaller area. It was also found that for all strain rates applied, the maximal values of Hencky strain immediately before rupture of Gum Metal samples were similar for each of the applied strain rates, and the maximal local values of deformation rate were two orders higher when compared to applied average strain rate values.

3D lung segmentation of the CT series based on 2D Chan-Vese

75%

Maciura Ł. , Rosa W. , Wójcik D. , Rymarczyk T. , Maj M. , Kozłowski E.

tom R. 98, nr 5

165--168

This paper presents a new 3D segmentation algorithm for lung segmentation tasks on CT series. The algorithm consists of a 2D stage (for each slice) which is performed parallelly and 3D postprocessing after merging to 3D. The 2D stage consists of 2D preprocessing, Chan - Vese segmentation, and 2D postprocessing. This algorithm was tested on the set of 60 CT series containing labelled data enable to its assessment. The results of the algorithm are close to deep learning approaches. This algorithm will be an element of a commercial expert system for medical applications where some patient assessment will be necessary based on segmented human organs.

Ten artykuł prezentuje nowy algorytm segmentacji 3D do zadań segmentacji płuc na seriach z tomografii komputerowej. Ten algorytm składa się z etapu 2D (dla każdego przekroju) który jest wykonywany równolegle i post-processingu 3D po scaleniu wyników do 3D. Etap 2D składa się z pre-processingu 2D, segmentacji Chan – Vese I post-processingu 2D. Algorytm był przetestowany na zbiorze 60 serii obtazów z tomografii komputerowej zawierających zaetykietowane dane co umożliwiło jego ocenę. Wyniki algorytmu są przybliżonej dokładności do rozwiązań deep learning. Algorytm ten będzie elementem komercyjnego system ekspertowego do zastosowań medycznych, gdzie niezbędna będzie ocena pacienta bazując na segmentowanych organach człowieka.