Analysis Wear Debris Through Classification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F11%3APU96070" target="_blank" >RIV/00216305:26230/11:PU96070 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Analysis Wear Debris Through Classification

Popis výsledku v původním jazyce

This paper introduces a novel method of wear debris analysis through classification of the particles based on machine learning. Wear debris consists of particles of metal found in e.g. lubricant oils used in engineering equipment.  Analytical ferrographyis one of methods for wear debris analysis and it is very important for early detection or even prevention of failures in engineering equipment, such as combustion engines, gearboxes, etc.  The proposed novel method relies on classification of wear debris particles into several classes defined by the origin of such particles. Unlike the earlier methods, the proposed classification approach is based on visual similarity of the particles and supervised machine learning. The paper describes the method itself, demonstrates its experimental results, and draws conclusions.

Název v anglickém jazyce

Analysis Wear Debris Through Classification

Popis výsledku anglicky

This paper introduces a novel method of wear debris analysis through classification of the particles based on machine learning. Wear debris consists of particles of metal found in e.g. lubricant oils used in engineering equipment.  Analytical ferrographyis one of methods for wear debris analysis and it is very important for early detection or even prevention of failures in engineering equipment, such as combustion engines, gearboxes, etc.  The proposed novel method relies on classification of wear debris particles into several classes defined by the origin of such particles. Unlike the earlier methods, the proposed classification approach is based on visual similarity of the particles and supervised machine learning. The paper describes the method itself, demonstrates its experimental results, and draws conclusions.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2011

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of Advanced Concepts of Inteligent Vision Systems (ACIVS 2011)

ISBN

978-3-642-23686-0

ISSN

—

e-ISSN

—

Počet stran výsledku

11

Strana od-do

273-283

Název nakladatele

Springer Verlag

Místo vydání

Heidelberg

Místo konání akce

Het Pand, Ghent, Belgium

Datum konání akce

22. 8. 2011

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—