Інтелектуальна інформаційна технологія обробки візуальної інформації для діагностики стану металів
/ 16
- Деталі
- Категорія: Інформаційні технології, системний аналіз та керування
- Останнє оновлення: 17 вересня 2014
- Опубліковано: 17 вересня 2014
- Перегляди: 5972
Автори:
В.О. Ємельянов, кандидат технічних наук, Севастопольський інститут банківської справи Університету банківської справи Національного банку України, cтарший викладачкафедри інформаційних технологій та систем, м.Севастополь, АР Крим, Україна
Реферат:
Мета. Створення інтелектуальної інформаційної технології обробки візуальної інформації для діагностики стану металів, що, на відміну від існуючих технологій, дозволить проводити діагностику стану металу за всіма характеристиками (хімічний склад, структура, властивості).
Методика. Використані методи порівняльного аналізу, наукової абстракції, математичного моделювання.
Результати. Описані основні етапи інтелектуальної інформаційної технології. Обґрунтований вибір нейронних мереж для вирішення задачі автоматизації металографічного аналізу на всіх етапах. Показані результати функціонування нейронних мереж із розпізнавання металографічних зображень для визначення кількісної інформації щодо металу. Показані результати функціонування нейронної мережі з визначення властивостей досліджуваних металів на прикладі сталей різних марок.
Наукова новизна. Уперше розроблена інтелектуальна інформаційна технологія обробки візуальної інформації для діагностики стану металів, що заснована на апараті нейронних мереж та елементах теорії прецедентів, яка дозволяє проводити діагностику стану металу за всіма характеристиками (хімічний склад, структура, властивості).
Практична значимість. Полягає в тому, що наукові положення даної роботи дозволили розробити інтелектуальну інформаційну технологію обробки візуальної інформації для визначення властивостей металів, а також програмне забезпечення, що реалізує методи та етапи розробленої інформаційної технології.
Список літератури / References:
1. Bramfitt, B.L. and Benscoter, Arlan O. (2002), Metallographer’s Guide. Practices and Procedures for Iron and Steels, ASM International.
2. Hosseini, H., Shamaniana, M. and Kermanpura, A. (2011), “Characterization of microstructures and mechanical properties of Inconel 617/310 stainless steel dissimilar welds”, Materials Characterization, Vol. 62, Issue 4, Apr., pp. 425–431.
3. Wang Zhiping, Lu Yang, Wu Chenwed, Xu Jianlin and Yang Xinzhuang (1997), “Cast-iron metallographic structure by computer picture processing system”, Journal of Cansu University of Technology, Vol. E-1, No. 1. Dec., pp. 29–32.
4. Ємельянов В.О.Інтелектуальна інформаційна технологія оцінки характеристик сплавів у металографічному аналізі: автореф. дис. на здобуття. наук. степеня канд. техн. наук: спец. 05.13.06 „Інформаційні технології“ / Ємельянов Віталій Олександрович // Національний аерокосмічний університет ім.М.Є.Жуковського, „ХАІ“. – Харків, 2011. – 20с.
Iemelianov, V.A. (2011), “Intellectual information technology of evaluation of the characteristics of alloys in the metallographic analysis”, Abstract of Cand. Sci. (Tech.) dissertation, Informational Technologies, National Aerospace University “Kharkiv Aviation Institute”, Kharkiv, Ukraine.
5. Pratt, W.K. (2001), Digital image processing, John Wiley & Sons, USA.
6. Gonzalez, R.S. and Woods, R.E. (2002), Digital image processing, Prentice, USA.
7. Suzuki Kenji (2013), Artificial Neural Networks: Architectures and Applications, InTech.
8. База данных микроструктур металлов и сплавов [Электронный ресурс] – Режим доступа: http://www.microstructure.ru/rudbview
Metals and Alloys Microstructures Database (2007), available at: http://www.microstructure.ru/rudbview
9. Aamodt, A. and Plecza, E. (1994), “Case-Based Reasoning: Foundation issues, methodological variations a system approaches”, A.I. Communications, pp. 39–59.
 2014_4_yemelyanov
|
|
 2014-09-17  616.83 KB  1067 |
|
Архів журналу