Kísérleti rendszer acélbugák vizsgálatára alkalmas képfeldolgozó algoritmusok értékeléséhez
Experimental framework for evaluating image processing algorithms for steel billet inspection
Keywords:
steel production, machine vision, image processing, statistical methods, algorithm evaluation, /, acélgyártás, gépi látás, képfeldolgozás, statisztikai módszerek, algoritmusértékelésAbstract
A billet is a semi-finished product produced during steelmaking, and its identification and tracking are fundamental requirements for establishing a reliable material tracking system. The aim of the research is to develop a control system capable of detecting billets through image processing and transmitting the results to an industrial control system. The present work is related to the development of an experimental system, which provides a test environment for evaluating the effectiveness of different image processing algorithms by processing recordings captured with an analog camera.
Kivonat
A buga az acélgyártás során keletkező egyik félkész termék, amely azonosítása és nyomon követése alapvető feltétele egy megbízható anyagkövető rendszer kialakításának. A kutatómunka célja egy olyan irányítórendszer kidolgozása, amely képfeldolgozás segítségével képes a bugák detektálására és az eredmények továbbítására egy ipari vezérlőrendszer számára. Jelen munka egy kísérleti rendszer fejlesztéséhez kapcsolódik, amely egy analóg kamera által rögzített felvételek feldolgozásán keresztül biztosít tesztkörnyezetet különböző képfeldolgozó algoritmusok hatékonyságának vizsgálatához.
References
Harcsik B., Kiss L., Józsa R. Az üstmetallurgia és a folyamatos öntés technológiatervezésének, technológia-fejlesztésének gyakorlati szempontjai, Miskolci Egyetem, Miskolc, 2013.
Ali Z., Bhaskar Sb., Basic statistical tools in research and data analysis, Indian J Anaesth, 2016, 60(9), 662, doi: 10.4103/0019-5049.190623.
Garg B., Sharma G. K. A quality-aware Energyscalable Gaussian Smoothing Filter for image processing applications, Microprocess Microsyst 2016, 45, 1-9., doi: 10.1016/j.micpro.2016.02.012.
Gao P., Song Y., Song M., Qian P., Su Y., Extract nanoporous gold ligaments from SEM images by combining fully convolutional network and Sobel operator edge detection algorithm, Scr Mater, 2022, 213, p. 114627, doi: 10.1016/j.scriptamat.2022.114627.
Yang Y., Zhao X., Huang M., Wang X., Zhu Q. Multispectral image based germination detection of potato by using supervised multiple threshold segmentation model and Canny edge detector, Comput Electron Agric, 2021, 182, p. 106041, doi: 10.1016/j.compag.2021.106041.
Ji L., Du Y., Dang Y., Gao W., Zhang H., A survey of methods for addressing the challenges of referring image segmentation, Neurocomputing, 2024, 583, p. 127599, doi: 10.1016/j.neucom.2024.127599.
Forgács Zs., Trohák A. A Measurement Method for Determining Speed of High-Speed Rotating Parts, 23rd International Carpathian Control Conference (ICCC), IEEE, 2022, 203-207., doi: 10.1109/ICCC54292.2022.9805948.
Forgács Zs. A Method for Determining the Axial Displacement of Rotating Parts Using a Line Scan Camera, Journal of Electrical and Electronics Engineering, 2024, 17(2), 11-16., doi: 10.1556/606.2024.01187.
Forgács Zs., Trohák A. The determination of the line of interest in a line scan camera-based measurement system, Pollack Periodica – An International Journal for Engineering and Information Sciences, Akadémiai Kiadó, 2024, 20(2), 113-118., doi: 10.1556/606.2024.01187.
