Метод выявления и классификации дефектов в объектах по нейтронорадиографическим изображениям с применением нейронных сетей

• Автор: Новиков, Денис Владимирович
• Шифр специальности: 01.04.01
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Москва
• Количество страниц: 101 с. : ил.

ГЛАВА 1. ПОЛУЧЕНИЕ И ПРИМЕНЕНИЕ НЕЙТРОННЫХ РАДИОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ

1. Детектор на основе энергонакапливающего экрана

2. ПЗС-ДЕТЕКТОР

ГЛАВА 2. МЕТОДЫ И СРЕДСТВА ОБРАБОТКИ НЕЙТРОННЫХ РАДИОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ

2.1. Классические методы обработки изображений

Методы коррекции контрастности и яркости изображений

Фильтрация изображений

Нелинейные фильтры

Масочная фильтрация изображения

2.2 Современный уровень развития программного обеспечения для обработки изображений

2.3 Нейронные сети как инструмент обработки изображений

ГЛАВА 3. МЕТОД КОРРЕКЦИИ НЕЙТРОННЫХ РАДИОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ
ГЛАВА 4. КЛАССИФИКАЦИЯ ДЕФЕКТОВ ОТВЕТСТВЕННЫХ ИЗДЕЛИЙ НЕЙРОННЫМИ СЕТЯМИ
Поиск изображения в больших базах данных
Распознавание дефектов ответственных изделий
Проблемы выявления дефектов и их классификация
Основные процедуры и методы распознавания дефектов НРИ
Способы сравнения дефектов НРИ с существующей базой дефектов
ГЛАВА 5. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ И ДЕМОНСТРАЦИИ РАБОТЫ МЕТОДА ВЫЯВЛЕНИЕ ДЕФЕКТОВ
Описание интерфейса программного обеспечения
Структурная схема интерфейса программного обеспечения
5.1 Демонстрация возможностей программы «ОНРИ»
ЛИТЕРАТУРА

СОКРАЩЕНИЯ
ИНС - Искусственные нейронные сети
НС - Нейронная сеть
НРИ - Нейтронные радиографические изображения
НГ - Нейтронный генератор
HP - Нейтронная радиография
ОНРИ - Обработка нейтронных радиографических изображений
ПЗС - Прибор с зарядовой связью
ПРИ - Приемник радиографического изображения
ПО - Программное обеспечение
ЧКХ - Частотно-коіпрастная характеристика
ЭНЛ - Энергонакапливающий люминофор (Imaging Plate)
Актуальность проблемы. В последние годы, с развитием новых промышленных технологий, возрос интерес к методам неразрушающего контроля ответственных изделий. Одним из них является, весьма перспективный метод нейтронной радиографии. Его преимущество заключается в чувствительности к материалам с малым Ъ, это позволяет получать информацию об исследуемых объектах контроля из водородосодержащих или поглощающих тепловые нейтроны веществ в оболочках из тяжелых металлов и различных сплавов. Если в качестве его «точечности» источника излучения, применяется например такой, как нейтронный генератор, то эффект обеспечивает увеличение размера изображения и, соответственно, увеличение пространственного разрешения.
Перспективы промышленного применения нейтронной радиографии обусловлены в большой степени возможностью создания компактного, экологически безопасного оборудования, удовлетворяющего по своим весовым и габаритным параметрам требованиям, предъявляемым как к лабораторным, так и к промышленным приборам.
Создание оборудования и разработка методов нейтронной дефектоскопии, в которой используется нейтронная радиография, требуют проведения целого ряда научных исследований. Одним из них, повышающим выявляемое дефектов является разработка метода обработки нейтронных радиографических изображений (НРИ) с применением нейронных сетей и реализация его в виде программного обеспечения. Разработка этого метода требует понимания основных физических процессов формирования НРИ с помощью современных детектирующих систем.
Созданный метод позволяет устранить недостатки, получаемые в ходе считывания информации нейтронного излучения с материалами разного Ъ и ее интерпретации о взаимодействии оптическими системами. В данном случае недостатками являются: низкая яркость/контрастность получаемых изображений, а также наличие шума различного происхождения.
Последующий анализ изображения с применением нейросетевых технологий на наличие в исследуемом объекте разноплотности-дефектов является одной из актуальных задач, решение которых позволяет найти широкое практическое

Выполнены исследования алгоритмов нейронных сетей, используемых при распознавании изображений. Это методы, базирующиеся на применении различных типов нейронных сетей (НС). Основные направления применения различных НС для распознавания образов и изображений:
применение для извлечение ключевых характеристик или признаков заданных
образов,
классификация самих образов или уже извлечённых из них характеристик (в первом случае извлечение ключевых характеристик происходит неявно внутри сети), решение оптимизационных задач.
Выбор в качестве математического аппарата ИНС обусловлен тем, что они оптимально решают задачи с большим объемом данных, а актуальность исследований в этом направлении подтверждается массой различных применений НС, таких как автоматизация процессов распознавания образов, адаптивное управление, аппроксимация функционалов.