Login for students

Login for employees

Publication detail

Analysis of Wear Debris Through Classification
Authors: Juránek Roman | Machalík Stanislav | Zemčík Pavel
Year: 2011
Type of publication: článek ve sborníku
Name of source: Proceedings of Advanced Concepts of Intelligent Vision Systems (ACIVS 2011)
Publisher name: Springer
Place: Heidelberg
Page from-to: 273-283
Titles:
Language Name Abstract Keywords
cze Klasifikace částic opotřebení Obrazová analýza obecně umožňuje získávat kvantitativní informace o různých statistických a morfologických charakteristikách digitálního obrazu a v něm rozpoznaných objektů. V oblasti analýzy maziv zabývající se hodnocením částic opotřebení lze jejím prostřednictvím určit např. typ a míru opotřebení třecích ploch. Počítačové zpracování obrazu otevřelo rozsáhlé možnosti pro automatizaci zpracování výstupů mikroskopických metod. Hlavním cílem této práce je prozkoumat možnosti využití obrazové analýzy v kombinaci s metodou analytické ferrografie a na základě teoretických poznatků navrhnout automatický klasifikátor částic, který se ze vzorových obrazů částic naučí klasifikovat obrazy částic pořízených metodou analytické ferrografie. Klasifikátor využívá metody strojového učení k analýze obrazů částic. Obrazová analýza, analytická ferrografie, klasifikace, částice opotřebení, AdaBoost, obrazové příznaky, machine learning.
eng Analysis of Wear Debris Through Classification This paper introduces a novel method of wear debris analysis through classi cation of the particles based on machine learning. Wear debris consists of particles of metal found in e.g. lubricant oils used in engineering equipment. Analytical ferrography is one of methods for wear debris analysis and it is very important for early detection or even prevention of failures in engineering equipment, such as combustion engines, gearboxes, etc. The proposed novel method relies on classi cation of wear debris particles into several classes de ned by the origin of such particles. Unlike the earlier methods, the proposed classi cation approach is based on visual similarity of the particles and supervised machine learning. The paper describes the method itself, demonstrates its experimental results, and draws conclusions. Image analysis, analytical ferrography, classification, wear particles, AdaBoost, image features, machine learning.

Departments

Other Parts

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives