Peridinamik Tabanlı Bulanık Mantık Algoritması Yardımıyla Ray Yüzeyindeki Kusurların Tam Spektrum Görüntü İşleme ile Tespiti

Yıl 2021, Cilt: 9 Sayı: 1, 16 - 27, 31.01.2021

Cihan Mızrak

https://doi.org/10.29130/dubited.831852

Cited By: 1

Öz

Bu çalışmada tam spektrum görüntü üzerinden ray kusurlarının belirlenmesine yönelik peridinamik tabanlı bulanık mantık algoritması geliştirilmiştir. Örnek uygulama için tam spektrum ray kusuru görüntüsünün, gri skala tanım kümesinde Gaussian maskelemesi gerçekleştirilmiş, görüntünün farklı boyut ve mertebelerden türev alma işlemleri peridinamik sayısal türev alma metodu kullanılarak elde edilmitşir. Alınan türevler bulanık mantık sisteminde değerlendiriltikten sonra görüntünün RGB ve HSV skalaları üzerinde üç temel dalga boyu dönüşümü yapılmıştır. Bulanık mantık çıktısı üzerine tatbik edilen en etkin üç dalga boyu ile ortak noktaların tespiti gerçekleştirilerek ray kusurlarının daha belirgin bir şekilde ortaya çıkması sağlanmıştır. Ayrıca üç farklı tam spektrum örnek ray kusur görüntüsü ile geliştirilen algoritma test edilip, literatürdeki mevcut kenar bulma algoritmalarına göre daha iyi sonuç verdiği tespit edilmiştir.

Anahtar Kelimeler

peridinamik, bulanık mantık, dalga boyu, ray kusuru

Teşekkür

Bu çalışma TÜBİTAK 2219 “Yurt Dışı Doktora Sonrası Araştırma Burs Programı” kapsamında desteklenmiştir.

Detection of Rail Surface Defects by Full Spectrum Image Processing with the Help of Peridynamic Based Fuzzy Logic Algorithm

Öz

In this study, a peridinamic based fuzzy logic algorithm has been developed for the detection of rail defects on a full spectrum image. For the sample application, Gaussian masking of the full spectrum ray defect image in the gray scale definition set was performed and the derivation operations of the image from different directions and orders were obtained by using the peridynamic numerical derivation method. Three different wavelength transformations were performed on the RGB and HSV scales of the image. By identifying the common points with the three most effective wavelengths applied on the fuzzy logic output, the rail defects are more pronounced. In addition, the algorithm developed with three different full spectrum sample ray defect images was tested and found to be better than the existing edge detection algorithms in the literature.

Anahtar Kelimeler

peridynamics, , fuzzy logic, wavelength, rail defects

Kaynakça

• [1] P. W. Loveday, R. M. C. Taylor, C. S. Long, ve D. A. Ramatlo, “Monitoring the reflection from an artificial defect in rail track using guided wave ultrasound,” AIP Conference Proceedings, c. 1949, s. 1, 2018, doi: 10.1063/1.5031566.
• [2] S. Mariani ve F. L. di Scalea, “Predictions of defect detection performance of air-coupled ultrasonic rail inspection system,” Struct. Heal. Monit., c. 17, s. 3, ss. 684–705, 2018.
• [3] A. M. Boronakhin, D. Y. Larionov, L. N. Podgornaya, A. N. Tkachenko, ve R. V. Shalymov, “Detection and classification of rail track flaws using inertial and magnetometric sensors,” Proceedings of the 2018 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering, 2018, ss. 1066–1070.
• [4] J. Wei, C. Liu, T. Ren, H. Liu, ve W. Zhou, “Online condition monitoring of a rail fastening system on high-speed railways based on wavelet packet analysis,” Sensors, c. 17, s. 2, ss. 318, 2017, doi: 10.3390/s17020318.
• [5] Z. Xiong, Q. Li, Q. Mao, ve Q. Zou, “A 3D laser profiling system for rail surface defect detection,” Sensors, c. 17, s. 8, ss. 1791, 2017, doi: 10.3390/s17081791.
• [6] Z. Yunjie, G. Xiaorong, L. Lin, P. Yongdong, ve Q. Chunrong, “Simulation of laser ultrasonics for detection of surface-connected rail defects,” J. Nondestruct. Eval., c. 36, s. 4, ss. 70, 2017, doi: 10.1007/s10921-017-0451-3.
• [7] B. Siva, R. Krishna, D. V. S. Seshendra, G. Govinda Raja, T. Sudharshan, ve K. Srikanth, “Railway track fault detection system by using IR sensors and bluetooth technology,” Asian J. Appl. Sci. Technol., c. 1, s. 6, ss. 82–84, 2017.
• [8] N. Karthick, “Implementation of railway track crack detection and protection,” Int. J. Eng. Comput. Sci., c. 6, s. 5, ss. 21476-21481, 2017.
• [9] L. Zhuang, L. Wang, Z. Zhang, ve K. L. Tsui, “Automated vision inspection of rail surface cracks: A double-layer data-driven framework,” Transp. Res. Part C Emerg. Technol., c. 92, s. 1, ss. 258–277, 2018.
• [10] B. Yue, Y. Min, ve H. Ma, “An adaptive background adjusting algorithm for rail surface defect image segmentation,” 2nd International Conference on Information Technology and Management Engineering (ITME 2017), 2017, ss. 36-40.
• [11] J. Gan, Q. Li, J. Wang, ve H. Yu, “A hierarchical extractor-based visual rail surface inspection system,” IEEE Sens. J., c. 17, s. 23, ss. 7935–7944, 2017.
• [12] L. Shang, Q. Yang, J. Wang, S. Li, ve W. Lei, “Detection of rail surface defects based on CNN image recognition and classification,” 20th International Conference on Advanced Communication Technology (ICACT), 2018, ss. 45-51.
• [13] S. Faghih-Roohi, S. Hajizadeh, A. Nunez, R. Babuska, ve B. De Schutter, “Deep convolutional neural networks for detection of rail surface defects,” Proceedings of the International Joint Conference on Neural Networks, 2016, ss. 2584–2589.
• [14] C. Taştimur, E. Akin, M. Karaköse, ve I. Aydin, “Morfolojik özellik çıkarımı kullanan görüntü işleme tabanlı ray arızalarının tespiti,” 23rd Signal Processing and Communications Applications Conference, Malatya, Türkiye, 2015, ss. 1244–1247.
• [15] Z. Hu, H. Zhu, M. Hu, ve Y. Ma, “Rail surface spalling detection based on visual saliency,” IEEJ Trans. Electr. Electron. Eng., c. 13, s. 3, ss. 505–509, 2018.
• [16] E. Madenci, M. Dorduncu, A. Barut, ve M. Futch, “Numerical solution of linear and nonlinear partial differential equations using the peridynamic differential operator,” Numer. Methods Partial Differ. Equ., c. 33, s. 5, ss. 1726–1753, 2017.
• [17] E. Madenci, A. Barut, ve M. Futch, “Peridynamic differential operator and its applications,” Comput. Methods Appl. Mech. Eng., c. 304, s. 1, ss. 408–451, 2016.
• [18] S. Agirbasli, “Bulanık mantık yaklaşımını kullanarak endokardiyalin kenar çıkarımı,” Yüksek Lisans tezi, Elektrik-Elektronik Mühendisliği Bölümü, Gazi Üniversitesi, Ankara, Türkiye, 2013.
• [19] A. Gecmez, “İki̇ boyutlu sayısal fi̇ltreler,” Yüksek Lisans tezi, Elektrik-Elektronik Mühendisliği Bölümü, Fırat Üniversitesi, Elazığ, Türkiye, 2014.
• [20] C. Mizrak, E. Madenci, Y. Yürekli, ve F. Pehlivan, “Fuzzy logic coupled with peridynamics for image processing to detect cracks in rails,” Proceedings of the 4th International Symposium on Railway Systems Engineering, 2018, ss. 419–431.