| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:A machine vision approach to assessing steel properties through spark imaging
Avtorji:ID Munđar, Goran (Avtor)
ID Kovačič, Miha (Avtor)
ID Župerl, Uroš (Avtor)
Datoteke:.pdf tj_19_2025_si1_77-81.pdf (1,84 MB)
MD5: 43D4B20D73A8033F872817FE0D093072
 
URL https://hrcak.srce.hr/330646
 
Jezik:Angleški jezik
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FS - Fakulteta za strojništvo
Opis:Accurate and efficient evaluation of steel properties is crucial for modern manufacturing. This study presents a novel approach that combines spark imaging and deep learning to predict carbon content in steel. By capturing and analyzing sparks generated during grinding, the method offers a fast and cost-effective alternative to conventional testing. Using convolutional neural networks (CNNs), the proposed models demonstrate high reliability and adaptability across different steel types. Among the tested architectures, MobileNet-v2 achieved the best performance, balancing accuracy and computational efficiency. The findings highlight the potential of machine vision and artificial intelligence in non-destructive steel analysis, providing rapid and precise insights for industrial applications.
Ključne besede:carbon content prediction, convolutional neural networks, deep learning, machine vision, spark imaging, steel analysis
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Datum objave:01.06.2025
Založnik:Hrčak srce
Leto izida:2025
Št. strani:str. 77-81
Številčenje:Vol. 19, no. 1, [article no.] 330646
PID:20.500.12556/DKUM-95864 Novo okno
UDK:004.8:669.1
COBISS.SI-ID:248815619 Novo okno
DOI:10.31803/tg-20250327093142 Novo okno
ISSN pri članku:1848-5588
Datum objave v DKUM:03.11.2025
Število ogledov:240
Število prenosov:12
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Tehnički glasnik
Skrajšan naslov:Teh. glas.
Založnik:Veleučilište u Varaždinu
ISSN:1848-5588
COBISS.SI-ID:14978868 Novo okno

Gradivo je financirano iz projekta

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P2-0162-2022
Naslov:Večfazni sistemi

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P2-0157-2020
Naslov:Tehnološki sistemi za pametno proizvodnjo

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:napoved vsebnosti ogljika, konvolucijske nevronske mreže, globoko učenje, strojni vid, analiza jekla


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici