Deep learning-based methods for defect detection from ultrasound images

disertacija

• Naslov (hrvatski): Metode zasnovane na dubokom učenju za detekciju defekata iz ultrazvučnih slika
• Autor: Duje Medak
• Mentor: Sven Lončarić (mentor)
• Član povjerenstva: Marko Subašić (predsjednik povjerenstva)
• Član povjerenstva: Zvonko Kostanjčar (član povjerenstva)
• Član povjerenstva: Zoran Kalafatić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; (Zavod za elektroničke sustave i obradbu informacija); Zagreb
• Datum i država obrane: 2022-06-10, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo; Obradba informacija
• Univerzalna decimalna klasifikacija (UDC): 004 - Računalna znanost i tehnologija. Računalstvo. Obrada podataka

Sažetak

Ultrasonic testing is a non-destructive evaluation (NDE) technique that is used to inspect the integrity of the material and check if there are any defects in its internal structure. The acquisition of ultrasonic data is already done in an automated fashion using robotic manipulators, but the analysis of the data is still done manually by specially trained experts. Manual analysis is subject to human errors especially when a large amount of data needs to be inspected. The goal of this doctoral dissertation is to develop deep learning-based methods that can be used to efficiently and reliably detect defects from ultrasonic images. Deep learning methods have been achieving great results in many image analysis tasks during the past few years. However, to develop a good deep learning-based method for defect detection, several problems must be solved. Some of the encountered challenges include a small dataset, noise and geometry signals, and extreme aspect ratios of the defects.

Sažetak (hrvatski)

Ultrazvučno testiranje je tehnika nerazornog ispitivanja koja se koristi za ispitivanje kvalitete materijala i detekciju defekata unutar njegove strukture. Akvizicija ultrazvučnih podataka se već obavlja automatizirano korištenjem robotskih manipulatora, ali analizu prikupljenih podataka još uvijek ručno rade obučeni inspektori. Takva analiza podložna je ljudskoj pogrešci, pogotovo ako je količina podataka koju je potrebno pregledati velika. Cilj ove doktorske disertacije je razviti metode bazirane na dubokom učenju koje bi se mogle koristiti za efikasnu i pouzdanu detekciju defekata na ultrazvučnim slikama. Metode dubokog učenja zadnjih godina postižu odlične rezultate u raznim problemima vezanim za analizu slike. Međutim, kako bi se razvila dobra metoda za detekciju defekata bazirana na dubokom učenju, nekoliko problema mora biti riješeno. Neki od izazova koji se pojavljuju su mali skup podataka, šumoviti podaci, pojava signala uzrokovanih geometrijom i ekstremni omjeri oblika defekata.

• Ključne riječi: ultrasound image analysis; non-destructive evaluation; automated defect detection; object detection; data augmentation; image generation; deep learning
• Ključne riječi (hrvatski): analiza ultrazvučnih slika; nerazorno ispitivanje; automatska detekcija defekata; detekcija objekata; augmentacija slike; generiranje slika; duboko učenje
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:247036
• Datum promocije: 2022
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: poslijediplomski znanstveni (doktorski); Akademski / stručni naziv: Doktor znanosti (dr. sc.)
• Vrsta resursa: Tekst
• Opseg: ix, 107 str. : graf. prikazi , 30 cm.
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2022-07-07 11:45:03