一种用于改进无损评估图像中自动缺陷检测的统计框架
统计方法学
2017-02-02 v1 应用统计
摘要
无损评估（NDE）技术被广泛用于检测飞机发动机、核电站和石油管道等系统中的关键部件缺陷，以预防灾难性事件。许多现代 NDE 系统生成图像数据。在某些应用中，经验丰富的检验员执行繁琐的任务，目视检查每幅图像以就缺陷存在与否提供准确结论。这种方法劳动密集，且可能因操作员倦怠而导致漏检。自动评估方法力求消除人为因素变异并提高吞吐量。有时采用基于图像中峰值振幅的简单方法，并且已实现一种由训练有素的操作员控制的细化方法，其使用基于信噪比（SNR）的动态阈值。我们开发了一种模拟这些操作的自动化且优化的检测流程。我们方法的主要目标是通过滤除那些在缺陷存在或缺失上极为确定的图像，来减少需要专家目视评估的图像数量。我们使用一个合适的模型对 SNR 检测准则的观测值建模，以估计检测概率。我们的方法在缺陷检测能力方面优于当前方法。
引用
@article{arxiv.1702.00099,
title = {A Statistical Framework for Improved Automatic Flaw Detection in Nondestructive Evaluation Images},
author = {Ye Tian and Ranjan Maitra and William Q. Meeker and Stephen D. Holland},
journal= {arXiv preprint arXiv:1702.00099},
year = {2017}
}
备注
To appear in Technometrics