Title: Беспризнаковое распознавание трещин на ранней стадии их развития по ультразвуковым дефектограммам рельсового пути
Other Titles: Featureless rail flaw recognition using ultrasonic testing
Authors: Жуков, А.С.
Красоткина, О.В.
Сулимова, В.В.
Моттль, В.В.
Марков, А.А.
Issue Date: 2018
Publisher: Новая техника
Citation: А.С. Жуков. Беспризнаковое распознавание трещин на ранней стадии их развития по ультразвуковым дефектограммам рельсового пути / А.С. Жуков, О.В. Красоткина, В.В. Сулимова, В.В. Моттль, А.А. Марков // Сборник трудов IV международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2018) - Самара: Новая техника, 2018. - С.2480-2490.
Abstract: В данной работе предлагается двухэтапная схема распознавания трещин на ранней стадии их развития на основе анализа ультразвуковых дефектограмм рельсового пути. На первом этапе осуществляется быстрая примерная локализация участков рельсов, содержащих потенциальные дефекты. На втором этапе решается задача двухкласового распознавания фрагментов, содержащих трещины, на основе беспризнаковой реализации SVM. Сравнение фрагментов дефектограмм осуществляется на основе динамического временного выравнивания (DTW) с нестандартной мерой несходства их элементов, позволяющей учесть особенности решаемой прикладной задачи. Результаты экспериментов показывают, что предлагаемый подход позволяет достичь достаточно высокого качества распознавания (AUC = 0,82). This paper deals with recognition of defects on the basis of ultrasonic defectogram analysis. The proposed approach is realized in two steps. The first step involves a simple enough procedure for finding regions of ultrasonic defectogram, that could contain defects. The second stage allows to classify detected regions as defects of some types or not defects. Classification is based on featureless version of Support Vector Machines. Comparing of fragments of defectograms is implemented via dynamic time warping (DTW) procedure, that have been adopted for ultrasonic defectograms. Fast algorithm for defectorgram segmentation and CUDA implementation of defectogram's fragments comparison possess the possibility for processing big amounts of data. The experiments shows that the proposed approach allows to reach high enough recognition quality on real data (0.82 AUC).
URI: http://repo.ssau.ru/jspui/handle/123456789/13717
Appears in Collections:Информационные технологии и нанотехнологии



Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.