M. Piechaczek; A. Mianowski; A. Sobolewski Koksownictwo 2015, Karpacz Analiza obrazu w ocenie tekstury optycznej koksu.

Slides:



Advertisements
Podobne prezentacje
Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Advertisements

Excel Narzędzia do analizy regresji
Ocena wartości diagnostycznej testu – obliczanie czułości, swoistości, wartości predykcyjnych testu. Krzywe ROC. Anna Sepioło gr. B III OAM.
Krzywe kalibracyjne Anna Kolczyk gr. B2.
Ocena dokładności i trafności prognoz
PODZIAŁ STATYSTYKI STATYSTYKA STATYSTYKA MATEMATYCZNA STATYSTYKA
Modele oświetlenia Punktowe źródła światła Inne
Analiza współzależności zjawisk
URZĄDZENIA PERYFERYJNE - WEJŚCIA
Informacji Geograficznej
Podsumowanie wykładu 1. Najpełniejszą charakterystyką wybranej zmiennej jest jej rozkład.
Prezentacja wyników badania nt.: Wpływ interwencji z funduszy strukturalnych UE na zatrudnienie BDG-V MCH/2006 Wyniki badań ankietowych Warszawa,
Miary jednej cechy Miary poziomu Miary dyspersji Miary asymetrii (skośności)
Analiza korelacji.
Paweł Kramarski Seminarium Dyplomowe Magisterskie 2
Rentgenowska analiza fazowa jakościowa i ilościowa Wykład 5
Korelacje, regresja liniowa
prof.. dr inż. Marek Gromiec Krajowa Rada Gospodarki Wodnej Warszawa
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 4: Generowanie zdarzeń  Dr inż. Halina Tarasiuk p. 337, tnt.tele.pw.edu.pl.
Zarządzanie projektami
AGH Wydział Zarządzania
Fraktale i chaos w naukach o Ziemi
analiza dynamiki zjawisk Szeregi czasowe
Seminarium 2 Krzywe kalibracyjne – rodzaje, wyznaczanie, obliczanie wyników Równanie regresji liniowej Współczynnik korelacji.
Projektowanie architektur systemów filtracji i akwizycji danych z wykorzystaniem modelowania w domenie zdarzeń dyskretnych Krzysztof Korcyl.
Elementy Rachunku Prawdopodobieństwa i Statystyki
BADANIE STATYSTYCZNE Badanie statystyczne to proces pozyskiwania danych na temat rozkładu cechy statystycznej w populacji. Badanie może mieć charakter:
KARTY KONTROLNE PRZY OCENIE LICZBOWEJ
Jakub Wołczko W obiektowym świecie… Jakub Wołczko
Politechnika Częstochowska
WYNIKU POMIARU (ANALIZY)
Podstawy statystyki, cz. II
Źródła błędów w obliczeniach numerycznych
Co to jest dobra praktyka w zakresie zarządzania środowiskowego?
Planowanie badań i analiza wyników
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
Analiza kluczowych czynników sukcesu
METODY PODEJMOWANIA DECYZJI
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
Wnioskowanie statystyczne
„Fraktal jest sposobem widzenia nieskończoności okiem duszy”.
- modele dla jedno- i dwufazowych materiałów
Szeregi czasowe Ewolucja stanu układu dynamicznego opisywana jest przez funkcję czasu f(t) lub przez szereg czasowy jego zmiennych dynamicznych. Szeregiem.
JAKOŚĆ TECHNICZNA WĘGLA
Fundusz Inicjatyw Obywatelskich Konkurs FIO 2016 Ministerstwo Pracy i Polityki Społecznej Departament Pożytku Publicznego 1.
1 Obserwacje... Obserwacja polega na ukierunkowanym, zamierzonym, celowym, systematycznym i prowadzonym według ustalonego planu postrzeganiu badanych obiektów.
Statystyczna analiza danych w praktyce
Statystyczna analiza danych
Statystyczna analiza danych
Statystyczna analiza danych
Model trendu liniowego
Korelacje dwóch zmiennych. Korelacje Kowariancja.
I n s t y t u t C h e m i c z n e j P r z e r ó b k i W ę g l a, Z a b r z e Instytut Chemicznej Przeróbki Węgla (IChPW) ul. Zamkowa 1, Zabrze;
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
I n s t y t u t C h e m i c z n e j P r z e r ó b k i W ę g l a, Z a b r z e Rok założenia 1955 I n s t y t u t C h e m i c z n e j P r z e r ó b k i W.
I n s t y t u t C h e m i c z n e j P r z e r ó b k i W ę g l a, Z a b r z e Rok założenia 1955 Obszar badawczy 2 „Efektywne procesy i operacje jednostkowe”
I n s t y t u t C h e m i c z n e j P r z e r ó b k i W ę g l a, Z a b r z e Rok założenia 1955 Obszar badawczy 1 „Mechanizmy fizyko-chemiczne procesów.
2.51. Wymagania życiowe organizmów
STATYSTYKA – kurs podstawowy wykład 13 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Fundamentals of Data Analysis Lecture 12 Approximation, interpolation and extrapolation.
Faza 1: Faza zaprojektowania systemu monitoringu projektu: 1. Inwentaryzacja obietnic złożonych sponsorowi we wniosku - przegląd założeń projektu, opracowanie.
STATYSTYKA – kurs podstawowy wykład 8 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Modele nieliniowe sprowadzane do liniowych
"Projekt zintegrowanego systemu teleinformatycznego dla obiektu specjalnego" Rafał Byczek Z 703.
Koncepcja Inteligentnego Systemu Przygotowania Wsadu Ubijanego
Systemy neuronowo – rozmyte
Rodzaje zmian zachodzących w otoczeniu przedsiębiorstwa:
Sterowanie procesami ciągłymi
Co do tej pory robiliśmy:
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Zapis prezentacji:

M. Piechaczek; A. Mianowski; A. Sobolewski Koksownictwo 2015, Karpacz Analiza obrazu w ocenie tekstury optycznej koksu

Proces pirolizy 2/23

Tekstura optyczna w praktyce -mozaika przeplatających się i przenikających obszarów o podobnym charakterze optycznym, charakteryzujących się zmiennym kształtem i wielkością, -istnienie wielu różnych nomenklatur i klasyfikacji tekstur optycznych, -duży wpływ doświadczenia i wiedzy operatora na wiarygodność wyników, -możliwość zastąpienia drogich technik analizą obrazu, -możliwość rozpowszechnienia analizy wśród producentów i odbiorców koksu dzięki zautomatyzowaniu pomiaru i redukcji kilkudziesięciu wyników analizy tekstur do jednej bezwymiarowej wartości liczbowej. 3/25

Tekstura optyczna w praktyce -mozaika przeplatających się i przenikających obszarów o podobnym charakterze optycznym, charakteryzujących się zmiennym kształtem i wielkością, -istnienie wielu różnych nomenklatur i klasyfikacji tekstur optycznych, -duży wpływ doświadczenia i wiedzy operatora na wiarygodność wyników, -możliwość zastąpienia drogich technik analizą obrazu, -możliwość rozpowszechnienia analizy wśród producentów i odbiorców koksu dzięki zautomatyzowaniu pomiaru i redukcji kilkudziesięciu wyników analizy tekstur do jednej bezwymiarowej wartości liczbowej. 4/23

Tekstura optyczna Poziom uporządkowania molekularnego struktury węglowej przedstawiony w postaci tekstury optycznej, może być określony przez kształt i wielkość obszarów anizotropowych. Odpowiednie przygotowanie obrazu mikroskopowego jest niezbędne do prawidłowego określenia cech różnicujących poszczególne tekstury. Powiększanie wybranego elementu 5/23

Podstawowe założenia w procesie segmentacji obrazu Wykorzystanie normy ASTM D jako zbioru wytycznych do procesu segmentacji tekstury optycznej. Samopodobieństwo i wydłużenie tekstury optycznej wyznaczone na drodze analizy obrazu decyduje o właściwościach technologicznych. Wykorzystując prawo addytywności liniowej oraz bazując na wynikach ilościowej i jakościowej analizy typów tekstur optycznych wg ASTM D , możliwe jest uśrednienie oszacowanych parametrów obrazowych do postaci pojedynczej wymiernej wartości liczbowej. Wyniki komputerowej analizy koksu można skorelować ze wskaźnikami jakości koksu wyznaczonymi w oparciu o testy Nippon Steel Corporation, głównie CRI oraz pośrednio CSR. 6/23

Wybrana metodologia 1. Analiza fraktalna - aplikacja HarFA (ang. Harmonic and Fractal Image Analyzer) Oznaczanie samopodobieństwa tekstury porowatej i tekstur optycznych metodą kolejnych przybliżeń, zwana metodą pudełkową. gdzie: N- liczba pokryć; r- wielkość podziałki; 7/23

Wybrana metodologia 8/23 2. Analiza wektora gradientu barwy szarej - aplikacja „róża kierunków. exe”

Materiał badawczy Kod próbki Testy NSC, % R o, % węgla/ mieszanki węglowej CRICSR Koks z mieszanki 1 34,346,61,07 Koks z mieszanki 2 34,949,31,07 Koks z mieszanki 3 34,152,41,07 Koks z mieszanki 4 34,451,81,07 Koks z mieszanki 5 36,446,21,07 Koks z mieszanki 6 38,638,21,05 Koks z mieszanki 7 36,146,11,05 Koks z mieszanki 8 36,648,81,05 Koks z mieszanki 9 36,151,21,05 Koks z mieszanki 10 36,250,71,05 Koks z mieszanki 11 39,040,31,03 Koks z mieszanki 12 38,840,01,03 Koks z mieszanki 13 36,949,01,03 Koks z mieszanki 14 37,347,61,03 Koks z mieszanki 15 37,149,91,03 Karbonizat 1 72,90,00,78 Karbonizat 2 65,56,30,78 Karbonizat 3 59,317,80,78 Karbonizat 4 53,022,10,78 Karbonizat 5 50,523,50,78 Koks z węgla pojedynczego 1 56,820,20,89 Koks z węgla pojedynczego 2 28,252,51,05 Koks z węgla pojedynczego 3 44,439,71,30 Koks z węgla pojedynczego 4 31,656,21,40 Koks odlewniczy 56,016,0 1,20 Kryteria wyboru próbek: szeroki zakres jakościowy wyrażony CRI i CSR (Karbotest), próbki koksów i karbonizatów, koksy z mieszanek i węgli pojedynczych, koksy z węgli pojedynczych o różnym stopniu uwęglenia, koksy z systemu ubijanego i zasypowego, przemysłowy koks odlewniczy jako materiał o odmiennej naturze do zweryfikowania metody, 9/23 Koks/karbonizat~20 ujęć3-5 segmentów dla każdego typu tekstury5-55 segmentów dla próbkiDo 1100 obrazów w eksperymencie

Postępowanie z obrazem Analiza fraktalna w programie HarFA Analiza wektora gradientu barwy szarej w aplikacji „róża kierunków. exe” D F tx W i = (a-b)/a DFPDFPDFPDFP 10/23

Analiza fraktalna tekstury optycznej █ - tekstury nieuporządkowane lub słabo uporządkowane wg ASTM D █ - tekstury uporządkowane wg ASTM D WZROST WYMIARU LINIOWEGO TEKSTURY wg ASTM D WZROST UPORZĄDKOWANIA STRUKTURY WĘGLOWEJ W OBRĘBIE TEKSTURY OPTYCZNEJ 11/23

Tekstura optyczna jako multifraktal ♦ - koksy ○ - karbonizaty - koks odlewniczy 12/23

Tekstura optyczna jako multifraktal ♦ - koksy ○ - karbonizaty - koks odlewniczy 13/23

Wskaźnik włóknistości tekstur optycznych WZROST WYMIARU LINIOWEGO TEKSTURY wg ASTM D WZROST UPORZĄDKOWANIA STRUKTURY WĘGLOWEJ W OBRĘBIE TEKSTURY OPTYCZNEJ █ - tekstury nieuporządkowane lub słabo uporządkowane wg ASTM D █ - tekstury uporządkowane wg ASTM D /23

Włóknistość tekstury optycznej ♦ - koksy ○ - karbonizaty - koks odlewniczy 15/23

Włóknistość tekstury optycznej ♦ - koksy ○ - karbonizaty - koks odlewniczy 16/23

Relacje wymiarów fraktalnych i wskaźników włóknistości ♦ - koksy ○ - karbonizaty - koks odlewniczy Limit wymiaru fraktalnego dla obiektu płaskiego 17/23

Efekty przeprowadzonych badań określono cechy determinujące stopień uporządkowania krystalitów w obrębie poszczególnych tekstur optycznych możliwych do scharakteryzowania w oparciu o analizę obrazu, opracowano metodę transformowania obrazu mikroskopowego służącą ocenie tekstury optycznej, opierającą się na procesie segmentacji, opracowano metody analizy cech obrazu odpowiedzialnych za jakość koksu, opierając się na analizie fraktalnej oraz komputerowej analizie wektorów gradientu barw, zaproponowano metodę wyznaczania wskaźników obrazowych w taki sposób, by opisywały całą teksturę optyczną w obrębie próbki, w oparciu o prawo addytywności liniowej, które są przydatne w procesie oceny jakości koksu, określono sposób, w jaki wskaźniki obrazowe opisują jakość karbonizatu/koksu. poszerzono zastosowanie obrazowego wskaźnika włóknistości o tekstury optyczne koksów i karbonizatów oraz zaproponowano metodę jego uśredniania. po raz pierwszy, skorelowano ze sobą wyniki pochodzące z dwóch odrębnych technik analizy obrazu płaskiego, różniących się przede wszystkim sposobem postrzegania i oceny cech zawartych na obrazie cyfrowym, w odróżnieniu do prac realizowanych w oparciu o metody instrumentalne oceniające strukturę trójwymiarową. 18/23

Wnioski 1.Po raz pierwszy zdefiniowane dwie wielkości D MF i W x, wyznaczone na drodze analizy obrazu, wiarygodnie odzwierciedlają jakość koksu. 2.Miarodajnymi wskaźnikami oceny stopnia uporządkowania krystalitów w strukturze węglowej są: wymiar fraktalny zmieniający się w zakresie od 2 ≥ D F tx ≥ 1,923 i wskaźnik włóknistości tekstury zmieniający się w zakresie od 0 ≤ W i ≤ 0,474. Wskaźniki obrazowe D F tx i W i jako wartości wzorcowe w sposób izomorficzny określają poziom uporządkowania krystalitów w obrębie tekstur optycznych, lecz trend ich zmian jest przeciwny. 3.Zaproponowano skuteczne scharakteryzowanie poziomu uporządkowania krystalitów w postaci skomplikowanej i nieciągłej tekstury optycznej karbonizatu/koksu przy pomocy pojedynczej bezwymiarowej wartości liczbowej w postaci wymiaru multifraktalnego D MF i średniego wskaźnika włóknistości W x, korzystając z prawa addytywności liniowej. 19/23

Wnioski 4. Wyznaczanie charakterystyk tekstury optycznej w postaci wskaźników obrazowych D MF i W x daje bardzo precyzyjną zależność w bardzo wąskim przedziale zmienności tych wielkości. Zależność liniowa D MF vs. W x odchyla się w obszarze występowania wyników należących do karbonizatów. Przejście z ekstrapolacji liniowej do krzywoliniowej jest jak najbardziej poprawne, ponieważ obiekt płaski o wymiarze fraktalnym D MF = 2 charakteryzuje się brakiem włóknistości W x = Otrzymanie wiarygodnych wyników analizy obrazu jest uzależnione od sposobu przeprowadzenia segmentacji złożonych obrazów tekstury optycznej. 6.Przyjęta metodologia uniemożliwiała wykonanie segmentacji dla tekstur inertnych pochodzenia organicznego (macerały inertne) i nieorganicznego (substancja mineralna), ze względu na ich własną porowatość, zmienną wielkość i ciemną barwę. 7.Fragmentacja skomplikowanych, wieloelementowych obrazów tekstury optycznej w oparciu o zmienność sygnałów cyfrowych, otwiera nowe możliwości w zakresie oceny jakościowej koksów i karbonizatów, dając szansę na rozpowszechnienie tej metody wśród producentów i odbiorców tych materiałów, a w przyszłości otwiera perspektywy na pełne zautomatyzowanie techniki oceny technologicznej koksu w oparciu o analizę obrazu. 20/23

Schemat postępowania 21/23

W pracy wykorzystano wyniki badań realizowanych w ramach projektu kluczowego nr POIG /08 „Inteligentna koksownia spełniająca wymagania najlepszej dostępnej techniki” dofinansowanego z Europejskiego Funduszu Rozwoju Regionalnego 22/23

Dziękuję za uwagę! 23/23