Publikace detail

Classification of Degree of Degradation around Scribe for Coil-Coated Metallic Samples Using Convolutional Neural Models

Autoři: Rozsíval Pavel | Doležel Petr | Baruque Zanon Bruno | Štursa Dominik

Rok: 2024

Druh publikace: článek ve sborníku

Název zdroje: 2024 10th International Conference on Control, Decision and Information Technologies (CoDIT) : proceedings

Název nakladatele: IEEE (Institute of Electrical and Electronics Engineers)

Místo vydání: New York

Strana od-do: 2216-2221

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Klasifikace stupně degradace v okolí vrypu kovových vzorků s povlakem cívky pomocí konvolučních neuronových modelů	Coil coating, technika nanášení organických povlaků na válcované kovové pásy, hraje klíčovou roli při dosahování konzistentní a vysoce kvalitní povrchové úpravy. Tyto ochranné povlaky jsou však náchylné k mechanickému poškození, které může vést k nevratným změnám při vystavení vlivům prostředí. Posuzování odolnosti proti degradaci u materiálů s povlakem ve svitku tradičně zahrnuje ruční stanovení degradovaných oblastí. V této studii je navržen přístup založený na klasifikaci, který toto hodnocení automatizuje. Vybrané klasifikační modely jsou navíc porovnány se sémantickou segmentací, přičemž je zdůrazněna jejich výkonnost a výpočetní efektivita. Výsledky ukazují, že oba přístupy (klasifikace i sémantická segmentace) mohou stupeň degradace korektně staovit, přičemž sémantická segmentace poskytuje velmi přesné výsledky, ale klasifikační modely nabízejí efektivní alternativu pro praktického nasazení.	klasifikace; coil coating; deep learning; degradace; delaminace
eng	Classification of Degree of Degradation around Scribe for Coil-Coated Metallic Samples Using Convolutional Neural Models	Coil coating, a technique for applying organic coatings to rolled metal strip substrates, plays a critical role in achieving consistent, high-quality surface finishes. However, these protective coatings are vulnerable to mechanical damage, which can lead to irreversible alterations when exposed to environmental elements. Traditionally, assessing degradation resistance in coil-coated materials involves manual determination of degraded areas. In this study, a classification-based approach to automate this assessment is proposed. Additionally, the selected classification models are compared with semantic segmentation, highlighting their performance and computational efficiency. The results demonstrate that both approaches (classification and semantic segmentation) can assess degradation, with semantic segmentation providing highly accurate results and classification models offering efficient practical deployment alternatives.	classification; coil coating; deep learning; degradation; delamination

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte