Отрывок: При построении автоэнкодера использовались следующие программные модули из интерфейса глу- бокого обучения API Keras [13]: – двумерные свёрточные слои Conv2D [14], которые в отличие от полносвязных позволяют повысить ка- чество реконструкции целевого изображения [15]; – слои субдискретизации двумерного ввода MaxPooling2D, которые позволяют снизить раз- мерность внутреннего пространства кодера [16]; – слои передискретизации UpSampling2D для...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorКомаров, В.А.-
dc.contributor.authorПавлов, А.А.-
dc.date.accessioned2023-05-04 11:00:59-
dc.date.available2023-05-04 11:00:59-
dc.date.issued2022-06-
dc.identifierDspace\SGAU\20230413\103045ru
dc.identifierDspace\SGAU\20230426\103045ru
dc.identifierDspace\SGAU\20230503\103045ru
dc.identifier.citationКомаров, В.А. Определение объёмного содержания волокон в слоистых композитах оптическими методами / В.А. Комаров, А.А. Павлов // Компьютерная оптика. – 2022. – Т. 46, № 3. – С. 473-478. – DOI: 10.18287/2412-6179-CO-1068.ru
dc.identifier.urihttps://dx.doi.org/10.18287/2412-6179-CO-1068-
dc.identifier.urihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Opredelenie-obemnogo-soderzhaniya-volokon-v-sloistyh-kompozitah-opticheskimi-metodami-103045-
dc.description.abstractРассматривается задача определения объёмного содержания армирующего волокна в нитях слоистых композитов с тканевыми заполнителями. В качестве источника информации о структуре материала используются цифровые микроизображения шлифованной поверхности поперечных сечений композитов. Обсуждаются методы и особенности анализа растровых микроскопических снимков гетерогенного материала, связанные с переменной яркостью пикселей и размытостью границ «волокно-связующее». В целях сокращения трудоёмкости и повышения объективности обработки изображений предлагается и строится специальный автоэнкодер. Изложение сопровождается сквозным демонстрационным примером исследования структуры типового конструкционного углепластика. Показано существенное ускорение процесса обработки изображений с использованием свёрточного автоэнкодера и хорошее согласование результатов с тщательным ручным анализом.ru
dc.language.isorusru
dc.publisherСамарский национальный исследовательский университетru
dc.relation.ispartofseries46;3-
dc.subjectкомпозитru
dc.subjectволокноru
dc.subjectобъёмная доляru
dc.subjectмикроснимокru
dc.subjectобработкаru
dc.subjectавтоэнкодерru
dc.titleОпределение объёмного содержания волокон в слоистых композитах оптическими методамиru
dc.title.alternativeDetermination of fibers volume fraction in layered composite materials by optical methodsru
dc.typeArticleru
dc.textpartПри построении автоэнкодера использовались следующие программные модули из интерфейса глу- бокого обучения API Keras [13]: – двумерные свёрточные слои Conv2D [14], которые в отличие от полносвязных позволяют повысить ка- чество реконструкции целевого изображения [15]; – слои субдискретизации двумерного ввода MaxPooling2D, которые позволяют снизить раз- мерность внутреннего пространства кодера [16]; – слои передискретизации UpSampling2D для...-
dc.classindex.scsti28.23.15-
Располагается в коллекциях: Журнал "Компьютерная оптика"

Файлы этого ресурса:
Файл Описание Размер Формат  
2412-6179_2022_46-3_473-478.pdfОсновная статья1.39 MBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.