Performance evaluation of an automatic inspection system of weld defects in radiographic images based on neuro-classifiers

Zapata, Juan; Vilar, Rafael; Ruíz, Ramón Eduardo

doi:10.1016/j.eswa.2011.01.092

Cited by 77 publications

(47 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Liao (2008) investigated the imbalanced data problem in the classification of different types of weld flaws. Zapata, Vilar, and Ruiz (2011) described an automatic system to detect, recognize, and classify welding defects in radiographic images using an artificial neuronal network (ANN) and an adaptive-network-based fuzzy inference system. Valavanis and Kosmopoulos (2010) used SVM, ANN and k-nearest neighbor (k-NN) classifiers for the detection and classification of defects in weld radiographs.…”

Section: Introductionmentioning

confidence: 99%

Computer techniques towards the automatic characterization of graphite particles in metallographic images of industrial materials

Papa

Nakamura

Albuquerque

et al. 2013

Expert Systems with Applications

View full text Add to dashboard Cite

Section: Introductionmentioning

confidence: 99%

Computer techniques towards the automatic characterization of graphite particles in metallographic images of industrial materials

Papa

Nakamura

Albuquerque

et al. 2013

Expert Systems with Applications

View full text Add to dashboard Cite

“…Centros de pesquisa em diversos países têm focalizado seus esforços na tentativa de encontrar ferramentas computacionais automáticas que possam auxiliar na redução da subjetividade na interpretação radiográfica [3], [4], [5], [6], [7].…”

Section: Introductionunclassified

“…Contudo, geralmente se recorre à extração manual ou semiautomática de regiões da imagem, denominadas regiões de inte-resse (ROI do inglês regions of interest), que no caso da aplicação considerada neste artigo, incluem o cordão de solda e os defeitos a serem analisados [5], [6], [7]. Para melhorar a eficiência dos métodos de detecção de defeitos seria conveniente utilizar métodos para segmentar a região do cordão de solda a ser inspecionado de forma a reduzir o espaço de busca.…”

Section: Introductionunclassified

Detecção de Tubos em Imagens Radiográficas Digitais

Vaz

Centeno

Delgado

2016

RITA

View full text Add to dashboard Cite

Resumo: Este artigo apresenta uma metodologia para a detecção do tubo em imagens radiográficas do tipo parede dupla vista dupla (PDVD) de tubulações condutoras de petróleo. O principal objetivo da proposta é reduzir a região de busca através da delimitação da área do tubo para a extração automática do cordão de solda auxiliando, desta forma, a posterior detecção de defeitos em juntas soldadas. O processo de detecção do tubo apresentado é totalmente automático e baseado em técnicas de processamento de imagens como ajustes no brilho e contraste, limiarização e análise das regiões identificadas para a segmentação do tubo. O processo foi aplicado em 117 imagens provenientes de três diferentes sistemas radiográficos obtendo um resultado de 99,14% de acerto na detecção do tubo. Foi realizada uma comparação com outra abordagem para a detecção do tubo em imagens radiográficas do tipo PDVD e a metodologia proposta apresentou melhora em relação ao trabalho anterior. Concluise, portanto que o método proposto pode ser usado como uma etapa que precede a detecção automática do cordão de solda.Palavras-chave: detecção de tubos, images radiográficas, PDVD, processamento digital de imagens

show abstract

“…Segmentally extract defected object, then manually select defect characteristics, manual characteristics description computation, statistical method and other shallow network identification method. Due to complicated and uneven background of banknote image, many types of defected object, defected object is tiny, it is very difficult to accurately segment banknote image defect, effectively describe and select manual characteristics, which need very specialized knowledge and not only subject to condition limits [2][3] , but also rely on accurate defect segmentation statistical model or shallow network model. It has high target pertinence and poor adaptability [4] .…”

Section: Introductionmentioning

confidence: 99%

Banknote Image Defect Recognition Method Based on Convolution Neural Network

Wang¹,

Wang²,

Shu³

et al. 2016

IJSIA

View full text Add to dashboard Cite

There are shortcomings in the currently used traditional CCD imaging system which can automatically recognize banknote image defect, such as the need to manually extract the defect characteristics and low accuracy rate of detection results. This paper briefly introduced the advantage of convolution Neural Network (CNN) in image classification and designed a image defect identification method based on convolutional neural network (CNN). The experimental results on data sets show that the identification accuracy rate of this method is 95.6%, which is significantly better than traditional identification method.

show abstract

Performance evaluation of an automatic inspection system of weld defects in radiographic images based on neuro-classifiers

Cited by 77 publications

References 18 publications

Computer techniques towards the automatic characterization of graphite particles in metallographic images of industrial materials

Computer techniques towards the automatic characterization of graphite particles in metallographic images of industrial materials

Detecção de Tubos em Imagens Radiográficas Digitais

Banknote Image Defect Recognition Method Based on Convolution Neural Network

Contact Info

Product

Resources

About