Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Image Analysis in Tribodiagnostics
Rok: 2011
Druh publikace: článek v odborném periodiku
Název zdroje: Information Sciences and Technologies Bulletin of the ACM Slovakia
Název nakladatele: Slovenská technická univezita v Bratislave
Místo vydání: Bratislava
Strana od-do: 23-27
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Obrazová analýza v tribotechnické diagnostice Cílem této práce je prozkoumat možnosti využití obrazové analýzy v kombinaci s metodou analytické ferrografie a na základě teoretických poznatků navrhnout nástroj pro automatickou klasifikaci částic. Současné metody analýzy částic opotřebení jsou založeny na vyhodnocení, které nedává přesnou představu o procesech probíhajících mezi třecími povrchy v motorové soustavě. Práce vychází z metody analytické ferrografie, která umožňuje zhodnotit stav sledovaného stroje z hlediska opotřebení. Přínosem klasifikátorů vytvořených v této práci je možnost automatického vyhodnocení výstupů analytické ferrografie; jejich použití odstraňuje zásadní nevýhodu ferrografické analýzy, kterou je její závislost na subjektivním hodnocení expertem provádějícím analýzu. Vytvořené klasifikátory jsou založeny na využití metod strojového učení. Obrazová analýza, analytická ferrografie, klasifikace, částice opotřebení, AdaBoost, obrazové příznaky, metody strojového učení.
eng Image Analysis in Tribodiagnostics The aim of this paper is to explore the possibilities of using the image analysis combined with the method of analytical ferrography and suggest a tool for automated particle classification. Current methods of wear particle analysis are derived from the evaluation that does not offer an exact idea of processes that take place between the friction surfaces in the engine system. The work is based upon the method of analytical ferrography which allows to evaluate the state of the machine. The benefit of use of classifiers defined in this wirk is the possibility of automated evaluation of analytical ferrography outputs; the use of them eliminates the crucial disadvantage of ferrographical analysis which is its dependence on the subjective evaluation done by the expert who performs the analysis. Image analysis, analytical ferrography, classification, wear particles, AdaBoost, image features, machine learning.

Katedry

Pracoviště

Jak nás najdete?

zobrazit na mapy.cz

Služby

Často hledáte

© 2023 Univerzita Pardubice, Studentská 95, 532 10 Pardubice 2
Telefon: 466 036 111, 466 036 112, 466 036 113
Správce webu, RSS
ID datové schránky: f5vj9hu
Prohlášení o přístupnosti
CC BY-NC-ND 4.0 CZCreative CommonsAttributionNonCommercialNoDerivatives