Abstrakt
The cellulose acetate replication technique is an important method for studying material fatigue. However, extracting accurate information from pictures of cellulose replicas poses challenges because of distortions and numerous artifacts. This paper presents an image processing procedure for effective fatigue crack identification in plastic replicas. The approach employs thresholding, adaptive Gaussian thresholding, and Otsu binarization to convert gray-scale images into binary ones, enhancing crack visibility. Morphological operations refine object shapes, and Connected Components Analysis facilitates crack identification. Despite limited data, the handcrafted feature extraction algorithm proves robust, addressing challenges. The algorithm shows efficacy in detecting cracks as small as 30 μm, even in the presence of cellulose replication artifacts. The results highlight ability to capture significant cracks’ orientation, length, and growth stages, essential for understanding fatigue mechanisms. Analysis of results, especially evaluation metrics encompassing false positives and false negatives, provides a comprehensive understanding of the algorithm’s strengths and limitations. The proposed tool is available on GitHub.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
0
Scopus
Autorzy (5)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuły w czasopismach
- Opublikowano w:
-
ENGINEERING FAILURE ANALYSIS
nr 164,
ISSN: 1350-6307 - Język:
- angielski
- Rok wydania:
- 2024
- Opis bibliograficzny:
- Pałczyński K., Seyda J., Skibicki D., Pejkowski Ł., Macek W.: An image processing approach for fatigue crack identification in cellulose acetate replicas// ENGINEERING FAILURE ANALYSIS -Vol. 164, (2024), s.108663-
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1016/j.engfailanal.2024.108663
- Źródła finansowania:
-
- COST_FREE
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 13 razy
Publikacje, które mogą cię zainteresować
Artificial neural network based fatigue life assessment of friction stir welding AA2024-T351 aluminum alloy and multi-objective optimization of welding parameters
- R. Masoudi Nejad,
- N. Sina,
- D. Ghahremani Moghadam
- + 3 autorów