Виявлення дефектів у періодичних структурах
Rejection of defective parts and elements is an important part in quality improvement, maintenance and accident prevention. Some imaging instrumental methods of test and inspection have improved ability to reveal defects, but currently have disadvantages, such as low accuracy of defect classificatio...
Збережено в:
| Дата: | 2025 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | English |
| Опубліковано: |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine
2025
|
| Теми: | |
| Онлайн доступ: | https://jais.net.ua/index.php/files/article/view/437 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Problems of Control and Informatics |
Репозитарії
Problems of Control and Informatics| id |
oai:ojs2.jais.net.ua:article-437 |
|---|---|
| record_format |
ojs |
| institution |
Problems of Control and Informatics |
| baseUrl_str |
|
| datestamp_date |
2025-03-06T11:16:48Z |
| collection |
OJS |
| language |
English |
| topic |
регулярні структури дефектоскопія обробка зображень |
| spellingShingle |
регулярні структури дефектоскопія обробка зображень Zhydkov, Volodymyr Виявлення дефектів у періодичних структурах |
| topic_facet |
регулярні структури дефектоскопія обробка зображень regular structures defectoscopy image processing |
| format |
Article |
| author |
Zhydkov, Volodymyr |
| author_facet |
Zhydkov, Volodymyr |
| author_sort |
Zhydkov, Volodymyr |
| title |
Виявлення дефектів у періодичних структурах |
| title_short |
Виявлення дефектів у періодичних структурах |
| title_full |
Виявлення дефектів у періодичних структурах |
| title_fullStr |
Виявлення дефектів у періодичних структурах |
| title_full_unstemmed |
Виявлення дефектів у періодичних структурах |
| title_sort |
виявлення дефектів у періодичних структурах |
| title_alt |
Revealing defects in periodic structures |
| description |
Rejection of defective parts and elements is an important part in quality improvement, maintenance and accident prevention. Some imaging instrumental methods of test and inspection have improved ability to reveal defects, but currently have disadvantages, such as low accuracy of defect classification and need of human operator. Therefore, there is a high demand for a solution that is reliable enough, can exclude human element and mathematically grounded unlike probabilistic and neural network models. The paper presents generally applicable algorithmic solution for a system that can analyze images and reveals defects automatically on par or better than a human operator. The general principle is based on approach that some general properties about the analyzed part (periodicity) is known beforehand. The method of defects reveal by pattern-recognizing not defects themselves but periodic background is proposed. Mathematical formulation for an error function adapted for approximating images and data with defects is proposed, and viability of the functions analyzed, including computational experiment to verify its validity. Using ab initio considerations, a new type of error function is suggested, it specially tailored to approximating datasets with high density of outliers, with performance comparable and in certain situations exceeding -norm in that respect. Thus, the algorithm suggested, by using which image of the object examined can be reconstructed in its «idealized», defect-less state and, further by comparing image to the reconstruction, the defects can be revealed. Furthermore, statistical model used in formulation of the error function allows estimation of defect probability in the area based on analysis of deviation and measurement errors. The approach is demonstrated and tested on a practical example. All essential stages of the algorithm, such as preliminary analysis, and model building are outlined. It is demonstrated capability of revealing defects without human operator intervention and without machine learning, only having basic information about object investigated. |
| publisher |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine |
| publishDate |
2025 |
| url |
https://jais.net.ua/index.php/files/article/view/437 |
| work_keys_str_mv |
AT zhydkovvolodymyr revealingdefectsinperiodicstructures AT zhydkovvolodymyr viâvlennâdefektívuperíodičnihstrukturah |
| first_indexed |
2025-10-30T02:49:11Z |
| last_indexed |
2025-10-30T02:49:11Z |
| _version_ |
1847373386063282176 |
| spelling |
oai:ojs2.jais.net.ua:article-4372025-03-06T11:16:48Z Revealing defects in periodic structures Виявлення дефектів у періодичних структурах Zhydkov, Volodymyr регулярні структури дефектоскопія обробка зображень regular structures defectoscopy image processing Rejection of defective parts and elements is an important part in quality improvement, maintenance and accident prevention. Some imaging instrumental methods of test and inspection have improved ability to reveal defects, but currently have disadvantages, such as low accuracy of defect classification and need of human operator. Therefore, there is a high demand for a solution that is reliable enough, can exclude human element and mathematically grounded unlike probabilistic and neural network models. The paper presents generally applicable algorithmic solution for a system that can analyze images and reveals defects automatically on par or better than a human operator. The general principle is based on approach that some general properties about the analyzed part (periodicity) is known beforehand. The method of defects reveal by pattern-recognizing not defects themselves but periodic background is proposed. Mathematical formulation for an error function adapted for approximating images and data with defects is proposed, and viability of the functions analyzed, including computational experiment to verify its validity. Using ab initio considerations, a new type of error function is suggested, it specially tailored to approximating datasets with high density of outliers, with performance comparable and in certain situations exceeding -norm in that respect. Thus, the algorithm suggested, by using which image of the object examined can be reconstructed in its «idealized», defect-less state and, further by comparing image to the reconstruction, the defects can be revealed. Furthermore, statistical model used in formulation of the error function allows estimation of defect probability in the area based on analysis of deviation and measurement errors. The approach is demonstrated and tested on a practical example. All essential stages of the algorithm, such as preliminary analysis, and model building are outlined. It is demonstrated capability of revealing defects without human operator intervention and without machine learning, only having basic information about object investigated. Для покращення контролю якості та обслуговування неперіодичних структур, а також для запобігання аваріям важливо виявляти й усувати дефекти. Деякі інструментальні методи побудови зображень досліджуваного об’єкта для тесту та контрольної перевірки значно спростили виявлення дефектів. Проте їм притаманні такі недоліки, як низька точність класифікації дефектів та потреба в людині-операторі. Тому існує велика необхідність у рішенні, яке буде достатньо надійним, математично обґрунтованим, на відміну від ймовірнісних та нейромережевих моделей, та зможе виключити людський фактор. У статті представлено алгоритмічне рішення для системи, яка аналізує зображення та виявляє дефекти нарівні з людиною-оператором або краще за неї. Основний принцип базується на підході, що деякі спільні властивості аналізованого об’єкта відомі заздалегідь. Запропонований метод дає змогу знаходити дефекти завдяки розпізнаванню зображень не самих дефектів, а періодичного фону. Представлено математичне формулювання для функцій похибок, адаптованих до апроксимації даних та зображень з дефектами. Придатність функції проаналізовано з огляду на обчислювальний експеримент для верифікації її адекватності. Запропоновано новий тип функції похибок, спеціально адаптований до апроксимації наборів даних з високою щільністю викидів, з ефективністю, що порівнянна з -нормою і в деяких випадках перевищує її ефективність у цьому аспекті. За допомогою запропонованого алгоритму можна реконструювати зображення аналізованого об’єкта в його «ідеалізованому», бездефектному стані та виявити дефекти при подальшому порівнянні вихідного зображення з цією реконструкцією. Крім того, статистичну модель, що використана у сформульованій функції похибок, можна застосувати для оцінки ймовірності певного дефекту з огляду на аналіз відхилення та похибок вимірювання. Цей підхід продемонстровано та протестовано на практичному прикладі. Описано всі суттєві стадії алгоритму, такі як попередній аналіз та побудова загальної моделі, та продемонстровано його здатність виявляти дефекти без втручання людини-оператора та машинного навчання з використанням лише базової інформації про досліджуваний об’єкт. V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2025-02-25 Article Article application/pdf https://jais.net.ua/index.php/files/article/view/437 10.34229/1028-0979-2025-1-2 Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; Том 70 № 1 (2025): Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; 22-31 International Scientific Technical Journal "Problems of Control and Informatics; Том 70 № 1 (2025): International Scientific Technical Journal «Problems of Control and Informatics»; 22-31 International Scientific Technical Journal "Problems of Control and Informatics"; Vol. 70 No. 1 (2025): International Scientific Technical Journal «Problems of Control and Informatics»; 22-31 2786-6505 2786-6491 en https://jais.net.ua/index.php/files/article/view/437/500 Copyright (c) 2025 Volodymyr Zhydkov https://creativecommons.org/licenses/by-nc-nd/4.0 |