Development of Digital Inspection Algorithms for X-Ray Radiography Casting Images


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

This manuscript is concerned with the development of digital inspection of casting defects using x-ray radiography images. An efficient approach for detection and classification time of casting defects in x-ray radiography images is proposed. The accuracy of this approach depends on suggested algorithms for background correction, image de-noising, image enhancement and image segmentation of casting defects. Three different algorithms are introduced for automatic detection of casting defects in x-ray images. These algorithms depend on features extraction power density spectrum (PDS) and high order statistics (HOS). An artificial neural network is utilized as a classifier for matching purposes of extracted features. The results show that HOS achieved the best recognition rate of 100% for casting defects in X-ray radiography images in comparison with other algorithms. Besides, a reduction of classification time for casting defects is another target in this paper. It is achieved using costly powerful digital processing hardware and advanced software. Furthermore, an algorithm is realized to reduce classification time of casting defects. This algorithm depends on textural features that extracted from x-ray images of casting defects. Hence, a feature reduction program code is implemented for reduction of extracted features. This program code is relied on average value of each extracted feature for normal and defect image. The numbers of extracted features are reduced from 22 to 2 features. Therefore, better execution time can be achieved for classification purposes of casting defects. The proposed algorithms are evaluated using Intel core TM i5-3470 CPU with 3.20 GHz and Intel core TM i7-3612QM CPU with 4.00 GHz. Consequently, these algorithms can be transferred into more powerful digital processing hardware such as FPGA and GPU for faster classification of casting defects. The obtained results confirm that proposed algorithms can be applied for a broad range of non-destructive applications using image processing techniques.

Об авторах

M. El_Tokhy

Engineering Department, Nuclear Research Center

Автор, ответственный за переписку.
Email: engtokhy@gmail.com
Египет, Inshas, P. no. 13759

I. Mahmoud

Engineering Department, Nuclear Research Center

Email: engtokhy@gmail.com
Египет, Inshas, P. no. 13759

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Pleiades Publishing, Ltd., 2019

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».