Вычислительная диагностика объектов, позволяющих эвристическое усиление алгоритмов решения обратных задач | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2025. № 70. DOI: 10.17223/19988605/70/12

Вычислительная диагностика объектов, позволяющих эвристическое усиление алгоритмов решения обратных задач

Рассматривается задача диагностики промышленных изделий на наличие в них тонких протяженных дефектов типа трещин и отслоений. Данная задача решается в условиях томографической реконструкции и принадлежит к классу обратных задач. Классический алгоритм компьютерной томографии имеет высокую трудоемкость при решении данной задачи, а в случае малой толщины дефекта может и вообще не восстановить его. В данной работе разработано программное обеспечение, позволяющее решить специальную задачу дефектоскопии на основе модифицированного алгоритма, использующего априорную информацию об эталонном образце изделия в качестве эвристического усиления. Полученные результаты вычислительных экспериментов демонстрируют эффективность предложенного подхода при решении задачи обнаружения трещин в исследуемом объекте и позволяют сделать вывод о его перспективности в задачах промышленной дефектоскопии. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.

Скачать электронную версию публикации

Загружен, раз: 8

Ключевые слова

программное обеспечение, компьютерная томография, промышленная дефектоскопия, эвристический алгоритм, эталонный образец, многопоточная обработка

Авторы

ФИО	Организация	Дополнительно	E-mail
Зеркаль Сергей Михайлович	Новосибирский государственный технический университет	профессор, доктор технических наук, профессор кафедры вычислительной техники факультета автоматики и вычислительной техники	zerkal@corp.nstu.ru
Пешков Александр Викторович	Новосибирский государственный технический университет	аспирант кафедры вычислительной техники факультета автоматики и вычислительной техники	mupeskov1997@mail.ru

Всего: 2

Ссылки

Bai H., Su M., Pang C., Xiong Z., Binyuan Xia, Zhao D., Li C., Mo Z., Gao F. An image reconstruction method for transmission computed tomography with the constraint of the linear attenuation coefficients // Applied Radiation and Isotopes. 2023. V. 202. Art. 111062.

Choi H.-J., Jeong J., Lee H., Kim S.G., Ahn J.J., Lee H.C., Min C.H. Image reconstruction method of gamma emission tomography based on prior-aware information and machine learning for partial-defect detection of PWR-type spent nuclear fuel // Nuclear Engineering and Technology. 2024. V. 56 (11). P. 4770-4781.

Serrano E., Garcia-Blas J., Carretero J., Desco M., Abella M. Accelerated iterative image reconstruction for cone-beam computed tomography through Big Data frameworks // Future Generation Computer Systems. 2020. V. 106. P. 534-544.

Shyamala Bharathi P., Shalini C. Advanced hybrid attention-based deep learning network with heuristic algorithm for adaptive CT and PET image fusion in lung cancer detection // Medical Engineering & Physics. 2024. V. 126. Art. 104138.

Bellens S., Guerrero P., Vandewalle P., Dewulf W. Machine learning in industrial X-ray computed tomography - a review // CIRP Journal of Manufacturing Science and Technology. 2024. V. 51. P. 324-341.

Xu P.-P., Liu T.-Y., Zhou F., Chen Q., Rowe J., Tesche C., Zhang L.-J. Artificial intelligence in coronary computed tomography angiography // Medicine Plus. 2024. V. 1, is. 1.

Zhu G., Fu J. A lightweight solution of industrial computed tomography with convolutional neural network // NDT & E Interna tional. 2020. V. 116. Art. 102347.

Plessis A., Roux S.G., Guelpa A.Comparison of medical and industrial X-ray computed tomography for non-destructive testing // Case Studies in Nondestructive Testing and Evaluation. 2016. V. 6, pt. A. P. 17-25.

Тихонов А.Н., Арсенин В.Я., Тимонов А.А. Математические задачи компьютерной томографии. М.: Наука, 1987. 160 с.

Ito K., Jin B. Inverse Problems: Tikhonov theory and algorithms. Singapore: World Scientific Publishing Company, 2014. 332 p.

Важенцева Н.В., Лихачев А.В. Новый метод трехмерной томографии для неполных траекторий источника // Труды Международной конференции "Современные проблемы прикладной математики и механики: теория, эксперимент и практика", посвященной 90-летию со дня рождения академика Н.Н. Яненко (Новосибирск, Россия, 30 мая - 4 июня 2011).

Liu Y., Beyer A., Schuetz P., Hofmann J., Flisch A., Sennhauser U. Cooperative data fusion of transmission and surface scan for improving limited-angle computed tomography reconstruction // NDT & E International. 2016. V. 83. P. 24-31.

Piault P., King A., Henry L., Rathore J.S., Guignot N., Deslandes J.-P., Itie J.-P. A thresholding based iterative reconstruction method for limited-angle tomography data // Tomography of Materials and Structures. 2023. V. 2. Art. 100008.

Хахлютин В.П. Об одной задаче интегральной геометрии на плоскости // Доклады Академии наук СССР. 1991. Т. 320, № 4. С. 832-834.

Зеркаль С.М. Решение на ЭВМ одного класса задач дефектоскопии // Доклады Академии наук СССР. 1990. Т. 314, № 1. С. 180-182.

Зеркаль С.М. Локальная томографическая реконструкция огибающей тонкого дефекта с использованием эталонного образца // Сибирский журнал индустриальной математики. 2000. Т. 3, № 1 (5). С. 110-115.

Image reconstruction (CT) // Radiopaedia. 2023. 23 Mar. URL: https://radiopaedia.org/articles/image-reconstruction-ct?lang=us (accessed: 04.10.2024).

Takase A. How Does CT Reconstruction Work? // Rigaku. 2023. Jam. 11. URL: https://rigaku.com/products/imaging-ndt/x-ray-ct/learning/blog/how-does-ct-reconstruction-work (accessed: 04.10.2024).

Преобразование Радона // Википедия. URL: https://ru.wikipedia.org/wiki/Преобразование_Радона (дата обращения: 04.10.2024).

Бронников А.В., Воскобойников Ю.Е., Преображенский Н.Г. Итерационные алгоритмы в задачах томографии полупрозрачных сред. Новосибирск: ИТПМ, 1989. 43 с. (Препринт; № 18).

Пешков А.В. Вычислительная диагностика трещин и отслоений с использованием томографического подхода при наличии эталона исследуемого объекта // Доклады Томского государственного университета систем управления и радиоэлектроники. 2023. Т. 26, № 4. С. 95-101.

Peshkov A.V., Zerkal S.M.Computational-heuristic algorithm for tomographic solution of industrial flaw detection problems // 16 International Scientific and Technical Conference Actual Problems of Electronic Instrument Engineering (APEIE-2023): Proc. Novosibirsk, 10-12 Nov. 2023. IEEE, 2023. P. 910-915.

The Java Tutorials. Thread Pools // Oracle. Java Documentation. URL: https://docs.oracle.com/javase/tutorial/essential/concurrency/pools.html (accessed: 04.10.2024).

The optimal thread-pool size in Java: Explaining the formula // Backendhance. 2023. Aug. 9. URL: https://backendhance.com/en/blog/2023/optimal-thread-pool-size/(accessed: 04.10.2024).