[1] Aoki K, Suga Y. Intelligent ima

[1] Aoki K, Suga Y. Intelligent image processing for abstraction
and discrimination of defect image in radiographic film. In:
Proceedings of the Seventh International Offshore and Polar
Engineering Conference, Honolulu, USA; May 25 –30, 1997.
p. 527 –31.
[2] Kehoe A, Parker GA. Image processing for industrial radiographic
inspection: image enhancement. Br J NDT 1990;32(4):183–90.
[3] Cherfa Y, Kabir Y, Drai R. X-rays image segmentation for NDT of
welding defects. In: 7th European Conference on Non Destructive
Testing, Copenhagen; May 26 –29, 1998. p. 2782– 9.
[4] Aoki K, Suga Y. Application of artificial neural network to
discrimination of defect type automatic radiographic testing of
welds. ISI Int 1999;39(10):1081–7.
[5] Kato Y, Okumura T, Matsui S, Itoga K, Harada T, Sugimoto K,
Michiba K, Iuchi S, Kawano S. Development of an automatic weld
defect identification system for radiographic testing. Welding Word
1992;30(7/8):182–8.
[6] Liao TW, Ni J. An automated radiographic NDT system for weld
inspection: Part I—weld extraction. NDT&E Int 1996;29(3):
157–62.
[7] Liao TW, Li Y. An automated radiographic NDT system for weld
inspection: Part II—flaw detection. NDT&E Int 1998;31(3):183– 92.
[8] Liao TW, Li D, Li Y. Extraction of welds from radiographic images
using fuzzy classifiers. Inform Sci 2000;126:21 –40.
[9] Liao TW, Li D, Li Y. Detection of welding flaws from radiographic
images with fuzzy clustering methods. Fuzzy Sets Syst 1999;108:
145–58.
[10] Liao TW, Tang K. Automated extraction of welds from digitized
radiographic images based on MLP neural networks. Appl Artif Intell
1997;11:197 –218.
[11] Sankaran V, Chartrand B, Millard D, Embrechts MJ, Kraft RP.
Automated inspection of solder joints—a neural network approach.
Eur J Mech Engng 1998; 43(3):129– 53.
ˆ[12] Silva RR, Siqueira MHS, Caloba LP, Rebello JMA. Radiographics
pattern recognition of welding defects using linear classifiers. Insight
2001;43(10):669–74.
[13] Wang G, Liao TW. Automatic identification of different types of
welding defects in radiographic images. NDT&E Int 2002;35:
519–28.
ˆ[14] Silva RR, Siqueira MHS, Caloba LP, Sagrilo LVS, Rebello JMA.
Evaluation of the relevant characteristic parameters of welding
defects and probability of correct classification using linear
classifiers. Insight 2002;44(10):616–22.

ผลลัพธ์ (ไทย) 1:

[1] K อาโอกิ ประมวลผลสำหรับ abstraction Suga Y. อัจฉริยะภาพ และเลือกปฏิบัติบกพร่องรูปใน film เจริญเต็มขั้น ใน: วิชาการนานาชาติเจ็ดขั้วโลก และต่างประเทศ การประชุมวิศวกรรม โฮโนลูลู สหรัฐอเมริกา 25 –30 พฤษภาคม 1997 พี –31 527 [2] Kehoe A ปาร์คเกอร์ GA. รูปแปรรูปอุตสาหกรรมเจริญเต็มขั้น ตรวจสอบ: เพิ่มประสิทธิภาพของภาพ Br J ผู้ 1990; 32 (4): 183-90 [3] Cherfa Y, Kabir Y แบ่งภาพรังสีเอกซ์ R. Drai สำหรับผู้ของ เชื่อมข้อบกพร่อง ใน: 7 ยุโรปการประชุมไม่ใช่ทำลาย ทดสอบ โคเปนเฮเกน 26 –29 พฤษภาคม 1998 p. 2782-9 [4] ภัตตาคาร K, Y. Suga แอพลิเคชันของเครือข่ายประสาท artificial ให้ แบ่งแยกการบกพร่องชนิดอัตโนมัติเจริญเต็มขั้นทดสอบ รอยเชื่อม Int ISI 1999; 39 (10): 1081 – 7 [5] นายกาโต Y, Okumura T โรง S, Itoga K, Harada T, Sugimoto K K Michiba, Iuchi S, Kawano S. พัฒนาการเชื่อมอัตโนมัติ ระบบ identification ข้อบกพร่องสำหรับการทดสอบเจริญเต็มขั้น คำเชื่อม 1992; 30(7/8):182-8 [6] เลี้ยวผู้ที่ใช้ เจ Ni ระบบผู้เจริญเต็มขั้นอัตโนมัติสำหรับเชื่อม ตรวจสอบ: เป็นส่วนหนึ่งของฉัน — ประสานสกัด ผู้และ E Int 1996;29(3): 157-62 [7] ผู้ที่ใช้ เหลียวหลี่ Y ระบบผู้เจริญเต็มขั้นอัตโนมัติสำหรับเชื่อม ตรวจสอบ: Part II — flaw ตรวจสอบ ผู้และ Int E 1998; 31 (3): 183 – 92 [8] เลี้ยวผู้ที่ใช้ D, Li Li Y. สกัดรอยเชื่อมจากรูปเจริญเต็มขั้น ใช้เอิบ classifiers แจ้งวิทยาศาสตร์วิศวกรรม 2000; 126:21 –40 [9] เลี้ยวผู้ที่ใช้ D, Li Li Y. ตรวจเชื่อม flaws จากเจริญเต็มขั้น ภาพวิธีเอิบระบบคลัสเตอร์ ชุดเอิบ Syst 1999; 108: 145-58[10] ผู้ที่เลี้ยวใช้ ถังคุณอัตโนมัติสกัดรอยเชื่อมจากในรูปดิจิทัล รูปเจริญเต็มขั้นตามเครือข่ายประสาท MLP Appl Artif Intell 1997; 11:197 –218[11] Sankaran V, Chartrand B, Millard D, Embrechts MJ คราฟท์ RP อัตโนมัติตรวจสอบประสานรอยต่อโดยวิธีโครงข่ายประสาท Eur J Mech Engng 1998 43 (3): 129-53 ˆ [12] Silva RR, Siqueira MHS, Caloba ห้างหุ้นส่วนจำกัด Rebello JMA Radiographics การรู้จำรูปแบบของการเชื่อมข้อบกพร่องในการใช้เส้น classifiers ความเข้าใจ 2001; 43 (10): 669-74[13] G วัง เลี้ยวผู้ที่ใช้ Identification อัตโนมัติชนิดต่าง ๆ เชื่อมข้อบกพร่องในภาพเจริญเต็มขั้น ผู้และ Int E 2002; 35: 519-28ˆ [14] Silva RR, Siqueira MHS ห้างหุ้นส่วนจำกัด Caloba, Sagrilo LVS, Rebello JMA ประเมินผลของพารามิเตอร์ที่เกี่ยวข้องลักษณะของการเชื่อม ข้อบกพร่องและความน่าเป็นของ classification ถูกต้องใช้เส้น classifiers เข้าใจ 2002; 44 (10): 616-22

ผลลัพธ์ (ไทย) 2:

[1] อาโอกิ K, น้ำตาลวายประมวลผลภาพอัจฉริยะสำหรับสิ่งที่เป็นนามธรรม
และการเลือกปฏิบัติของภาพข้อบกพร่องในสายเอ็กซ์เรย์ลูเมน ใน:
กิจการของเจ็ด Offshore ระหว่างประเทศและขั้วโลก
ประชุมวิชาการทางวิศวกรรม, โฮโนลูลูสหรัฐอเมริกา; 25 พฤษภาคม -30, 1997.
พี 527 -31.
[2] Kehoe ปาร์กเกอร์ GA การประมวลผลภาพเอ็กซ์เรย์สำหรับอุตสาหกรรม
การตรวจสอบ: เพิ่มประสิทธิภาพของภาพ Br J NDT 1990; 32 (4): 183-90.
[3] Cherfa Y, Kabir Y, Drai อาร์แบ่งส่วนภาพรังสีเอกซ์สำหรับ NDT ของ
ข้อบกพร่องเชื่อม ใน: 7 ประชุมยุโรปใน Non Destructive
Testing, โคเปนเฮเกน; วันที่ 26 พฤษภาคม -29, 1998 P 2782- 9.
[4] อาโอกิ K, น้ำตาลวายแอพลิเคชันของศิลปะ Fi เครือข่ายประสาททางการที่จะ
เลือกปฏิบัติประเภทข้อบกพร่องการทดสอบรังสีอัตโนมัติของ
รอยเชื่อม ISI Int 1999; 39 (10): 1081-7.
[5] Kato Y, Okumura T, มัทสุอิต, Itoga K, ฮาราดะ T, Sugimoto K,
Michiba K, Iuchi S, Kawano S. การพัฒนาเชื่อมอัตโนมัติ
ข้อบกพร่องไอออนบวกการระบุสาย ระบบสำหรับการทดสอบรังสี เชื่อมโปรแกรม Word
1992; 30 (7/8): 182-8.
[6] เหลียว TW, Ni เจระบบ NDT รังสีอัตโนมัติสำหรับการเชื่อม
การตรวจสอบ: การสกัดส่วนที่เชื่อม NDT & E Int 1996; 29 (3):
. 157-62
[7] เหลียว TW, Li วายระบบ NDT อัตโนมัติเอ็กซ์เรย์สำหรับเชื่อม
การตรวจสอบ: Part II- ชั้นการตรวจสอบ AW NDT & E Int 1998; 31 (3): 183- 92.
[8] เหลียว TW, Li D, Li วายสกัดเชื่อมจากภาพรังสี
โดยใช้ ERS จัดประเภท Fi เลือน แจ้งวิทย์ 2000; 126: 21 -40.
[9] เหลียว TW, Li D, Li วายการตรวจสอบของการเชื่อมชั้น AWS จากรังสี
ภาพด้วยวิธีการจัดกลุ่มเลือน ฟัซซี่ชุด Syst 1999; 108:
. 145-58
[10] เหลียว TW, เครสอัตโนมัติสกัดจากรอยเชื่อมดิจิทัล
ภาพเอ็กซ์เรย์ขึ้นอยู่กับเครือข่ายประสาท MLP Appl พวง Intell
1997; 11:. 197 -218
. [11] Sankaran V, Chartrand B, มิลลาร์ D, Embrechts MJ คราฟท์ RP
. ตรวจสอบอัตโนมัติของข้อต่อ-ประสานวิธีเครือข่ายประสาท
Eur J Mech Engng 1998; 43 (3):. 129- 53
[12] ซิลวา RR, Siqueira MHS, Caloba แผ่นเสียง Rebello JMA Radiographics
การจดจำรูปแบบของข้อบกพร่องโดยใช้การเชื่อม ERS จัดประเภทเชิงเส้น Insight
2001; 43 (10):. 669-74
[13] วัง G, เหลียว TW ไอออนบวกสายการระบุอัตโนมัติของชนิดของ
ข้อบกพร่องในการเชื่อมภาพเอ็กซ์เรย์ NDT & E Int 2002; 35:
. 519-28
[14] ซิลวา RR, Siqueira MHS, Caloba แผ่นเสียง Sagrilo LVS, Rebello JMA.
การประเมินผลของพารามิเตอร์ที่เกี่ยวข้องลักษณะของการเชื่อม
ข้อบกพร่องและความน่าจะเป็นของไอออนบวกคลาสสิกที่ถูกต้องโดยใช้ไฟเชิงเส้น
ERS จัดประเภท Insight 2002; 44 (10): 616-22

ผลลัพธ์ (ไทย) 3:

[ 1 ] อาโอกิ K , น้ำตาลประมวลผลภาพนามธรรม
Y อัจฉริยะสำหรับการถ่ายทอดภาพรังสีวินิจฉัยข้อบกพร่องในซอฟต์แวร์ . ใน :
เรื่องนานาชาติในต่างประเทศและขั้วโลก
ประชุมวิศวกรรมโฮโนลูลู สหรัฐอเมริกา วันที่ 25 – 30 , 1997 .
หน้า 527 – 31 .
[ 2 ] เคโฮ , ปาร์กเกอร์สำหรับการประมวลผลภาพสำหรับการตรวจสอบรังสี
อุตสาหกรรม : เพิ่มรูป BR J NDT 1990 ; 35 ( 4 ) : 183
– 90[ 3 ] cherfa Y สำหรับ Y , การแบ่งส่วนภาพ drai R . รังสีเอกซ์สำหรับ NDT
ข้อบกพร่องของแนวเชื่อม ในยุโรป : 7 การประชุมไม่ทำลาย
ทดสอบ , โคเปนเฮเกน ; 26 พฤษภาคม– 29 , 1998 หน้า 1942 – 9 .
[ 4 ] อาโอกิ K , น้ำตาล . การประยุกต์ใช้โครงข่ายประสาทจึงจำเป็นต้อง่

เลือกชนิดของเสียโดยอัตโนมัติการทดสอบ
เชื่อม . ISI INT 1999 ; 39 ( 10 ) : 1062 ) 7 .
[ 5 ] คาโต้ Y , โอคุมุระมัท t , s , itoga K ,ฮาราดะ T
michiba ซูกิโมโตะ เค เค iuchi S , คาวา . การพัฒนาอัตโนมัติเชื่อม
ข้อบกพร่อง identi ระบบเพื่อทดสอบการถ่ายทอดภาพถ่าย . คําเชื่อม
1992 ; 30 ( 7 / 8 ) : 182 ) 8 .
[ 6 ] เหลียว TW ผมเจโดยอัตโนมัติสำหรับการตรวจสอบระบบ NDT เชื่อม
: ส่วน i-weld การสกัด NDT & E INT 1996 ; 29 ( 3 ) : 157 – 62
.
[ 7 ] เหลียว TW ลีวาย อัตโนมัติ ด้วยระบบตรวจสอบ NDT เชื่อม
:ส่วนที่ 2 - fl AW ตรวจสอบ NDT & E INT 1998 ; 31 ( 3 ) : 183 – 92 .
[ 8 ] เหลียว TW หลี่ D , ลีวาย การสกัดเชื่อมจากภาพถ่ายรังสี
โดยใช้ฟัซซี่จึง classi ERS . แจ้งวิทย์ 2000 ; 126:21 – 40 .
[ 9 ] เหลียว TW หลี่ D , หลี่ . การตรวจหาการเชื่อมfl AWS จากภาพรังสีกับ Fuzzy การจัดกลุ่ม
วิธี ชุดระบบฟัซซี 1999 ; 108 :
145 – 58 .
[ 10 ] เหลียว TW ทัง K . การสกัดจากดิจิทัล
เชื่อมอัตโนมัติภาพถ่ายรังสีขึ้นอยู่กับ MLP โครงข่ายใยประสาท แอปเปิ้ล artif นเทล
1997 ; 11:197 – 218 .
[ 11 ] sankaran V ชาร์เทริ่นด์บี มิลลาร์ด D embrechts MJ คราฟท์ การบ้าน
อัตโนมัติตรวจสอบประสาน joints-a โครงข่ายประสาทเทียมแบบ J .
EUR Mech engng 2541 ; 43 ( 3 ) : 129 ) 53 .
ˆ [ 12 ] ซิลวา RR siqueira mhs caloba , LP , rebello JMA . บริการ
ลวดลายของข้อบกพร่องโดยใช้เส้นเชื่อม classi จึง ERS .ความเข้าใจ
2001 ; 43 ( 10 ) : 669 – 74 .
[ 13 ] วัง G เหลียว TW อัตโนมัติการ identi จึงแตกต่างกันประเภทของภาพถ่ายรังสี
บกพร่องในการเชื่อม NDT & E INT 2002 ; 35 :
519 – 28 .
ˆ [ 14 ] ซิลวา RR siqueira mhs caloba , LP , sagrilo LVS rebello , JMA .
การประเมินผลที่เกี่ยวข้องลักษณะพารามิเตอร์การเชื่อม
ข้อบกพร่องและความน่าจะเป็นของการแก้ไข classi จึงใช้เส้น
classi จึง ERS . ลึก 2002 ;44 ( 10 ) : 615 –
22