عنوان

آنالیز میکروساختارهای فلزی با استخراج ویژگی‌های بافت کریستال در تصاویر متالوگرافی

کد کشور

IR

شماره

۳۷۵۱پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

کشور محل نشر

IR

عنوان اصلي

آنالیز میکروساختارهای فلزی با استخراج ویژگی‌های بافت کریستال در تصاویر متالوگرافی

نام عام مواد

[پایان‌نامه]

عنوان اصلي به زبان ديگر

Metal micro-structure analaysis using extracted features of crystal Texture in metallograohic images

نام نخستين پديدآور

/طاهر خاقانی

نام ناشر، پخش کننده و غيره

: مهندسی برق

تاریخ نشرو بخش و غیره

، ۱۳۹۵

نام خاص و کميت اثر

۱۰۷ص.

ساير جزييات

:

متن يادداشت

زبان: فارسی

متن يادداشت

زبان چکیده: فارسی

متن يادداشت

چاپی - الکترونیکی

متن يادداشت

مصور، جدول، نمودار

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی برق- مخابرات سیستم

زمان اعطا مدرک

۱۳۹۵/۱۱/۰۱

کسي که مدرک را اعطا کرده

صنعتی سهند

متن يادداشت

تشخیص خودکار ویژگی‌های ذرات در تصاویر متالوگرافی دارای اهمیت بسزایی می باشد، چرا که با تشخیص این ذرات به‌راحتی می‌توان به انواع مشخصه‌های مکانیکی مواد که در صنعت استفاده می-شوند پی برد .علاوه بر این تشخیص خودکار می‌تواند بسیاری از خطاهایی که ممکن است در هنگام اندازه‌گیری به‌صورت دستی بروز نمایند را کاهش دهد .در این تحقیق، مطالعه بر روی ۳ نوع ساختار گرافیت پرکاربرد چدن صورت گرفته، که به‌منظور کلاس‌بندی خودکار این ساختارها، از ویژگی‌های مبتنی بر هیستوگرام مرتبه اول و ویژگی‌های مبتنی بر هیستوگرام مرتبه دوم(بر پایه ماتریس هم-رخداد) و ویژگی‌های مبتنی بر فیلترهای گابور استفاده شده است .دو راهکار جهت انجام هدف کلاس‌بندی معرفی شده که راهکار اول بر اساس ماهیت خود تصاویر و راهکار دوم بر اساس مؤلفه‌های بافتی تشکیل دهنده آن‌ها می‌باشد .به‌منظور انجام کلاس بندی از ۳ کلاس‌بند پرکاربردNN- k، ماشین بردارهای پشتیبان (SVM) و شبکه‌های عصبی بهره گرفته شده است .بررسی نتایج نشان می‌دهد که کلاس بندNN - kبا دقت ۹۰ دارای عملکرد بهتری نسبت به سایر کلاس‌بندها می‌باشد .در راهکار دوم به بررسی تک‌تک ساختارهای بافتی گرافیت موجود در تصویر به طور مجزا پرداخته شده و با تعیین تعداد مؤلفه‌های کروی و معیار گرد بودن آن‌ها به استخراج کمیت ندولاریتی ، اقدام شده است .

متن يادداشت

Automatic detection of particle features in metallographic images is veary important challenge. By distinguishing these particles, a variety of mechanical properties of materials that are used in the industry can be identify. In addition, automatic detection reduce many errors of manual measuring. In this research, three kinds of graphite that has been widely used in cast iron are considerd. In order to automatic classification of these graphites, the firs and second order histogram features based on the co-occurrence matrix and Gabor filters have been used. Two approaches are introduced for the purpose of classification. The first approach is based on the nature of the image and the second approach is based on texture-forming components. In order to perform classification, three widely used classifiers, k-NN, support vector machine (SVM) and neural networks are used. Experimental results show that k-NN classifier with accuracy of 90 has been outperforming other classifiers. In the second approach, texture structures of graphite in the microstructural images are studied one by one and criterions of the number of spherical components and roundness of them are used to extracting the nodularity quantity

خط فهرستنویسی و خط اصلی شناسه

ba

عنوان اصلي به زبان ديگر

Metal micro-structure analaysis using extracted features of crystal Texture in metallograohic images

موضوع مستند نشده

تصاویر میکروساختاری

موضوع مستند نشده

گرافیت‌های چدن

موضوع مستند نشده

هیستوگرام‌های مرتبه اول و دوم

موضوع مستند نشده

ماتریس هم‌رخداد

موضوع مستند نشده

کلاس‌بندهایkNN

اصطلاح موضوعی

Microstructural images, Cast iron graphite, First order histogram, Second order histogram, Co-Occurrence matrix, k-NN classifier, SVM classifier, Netural Network, Nodularity

اصطلاح موضوعی

تصاویر میکروساختاری، گرافیت‌های چدن، هیستوگرام‌های مرتبه اول و دوم، ماتریس هم‌رخداد، کلاس‌بندهای kNN و SVM وشبکه‌های عصبی، ندولاریتی

مستند نام اشخاص تاييد نشده

خاقانی، طاهر

مستند نام اشخاص تاييد نشده

ابراهیم‌نژاد، حسین، استاد راهنما

مستند نام اشخاص تاييد نشده

حسین‌نژاد، سیامک، استاد مشاور

کشور

ایران

تاريخ عمليات

20230812

شماره بازیابی

برق ،۱۰۵۴۲ ،۱۳۹۵

نام ميزبان

ی‌فارگولاتم‍ ریواصت‍ رد ل‌اتسیرک‍ ت‌فاب‍ ی‌اهی‌گژیو ج‌ارختسا اب‍ ی‌زلف‍ ی‌اهراتخاسورکیم‍ زیلانآ.pdf

شماره دسترسي

عادی

اطلاعات مختصر

عادی

تاريخ و ساعت مذاکره و دسترسي

3751.pdf

تاريخ و ساعت مذاکره و دسترسي

b10542.pdf

بيت در ثانيه

0

ارتباط براي تسهيلات دسترسي

ایمانی

نوع فرمت الکترونيکي

متن

اندازه فايل

0

شماره کنترل رکورد

پ۳۷۵۱

يادداشت عمومي

فارسی

وضعیت فهرست نویسی

نمایه‌سازی قبلی

فرمت انتشار

pe

نوع ماده

TF

کد کاربرگه

92029

پیشوند ISBD اعمال شده است

1

سطح دسترسي

a

تكميل شده

Y