Automatizované metody zpracování obrazu pro rázové experimenty

Abstract

Tato práce představuje nový software pro detekci a rozpoznání náhodně generovaného obrazce, který je využíván pro zpracování obrazových dat při rázových experimentech. Nástroj umožňuje zjištění polohy tohoto obrazce a její další využití pro zjištění pohybu během experimentu, a také jako vstup do dalších metod zpracování obrazu. Automatizace jednotlivých procesů umožňuje omezení opakujících se manuálních činností při vyhodnocování experimentálních dat. Využití více nezávislých metod zpracování obrazu naskýtá možnost vyhodnocení správnosti získaných dat a poskytuje redundanci výsledků. Metoda byla testována na vzorových setech dat, které reprezentují nejen jednotlivé možnosti metody, ale rovněž zajímavé materiály s potenciálem použití v celé řadě oblastí, včetně letectví. Vzorové sety dat ukazují, že při příhodných podmínkách jsou výsledky této metody plně srovnatelné s alternativní metodou zpracování obrazu, digitální korelací obrazu, a také s neobrazovými daty získanými z tenzometrů. V některých případech, zejména když jsou přítomny trosky vzorku v oblasti s obrazcem, metoda systematicky selhává a v závislosti na charakteru dat metoda poskytuje horší i lepší výsledky než korelace obrazu.

This thesis introduces new software for the detection and recognition of randomly generated patterns, which are utilized for the processing of image data during impact dynamics experiments. The tool enables the identification of the pattern's position and its further utilization in tracking its motion during the experiment, as well as its automatic integration into subsequent image processing methods. The automation of individual processes significantly minimizes the manual workload in the evaluation process. Employing multiple independent image processing techniques provides possibilities to review accuracy and reliability of the results and also provides result redundancy. The method has been evaluated on sample datasets, representing not only potential usage of the method, but also interesting materials with potential applications in various fields, including aviation. The sample datasets demonstrate that under suitable conditions, the method's outcomes are fully comparable with alternative image processing approaches, such as digital image correlation, as well as non-image data obtained from strain gauges. However, in certain cases, particularly when debris is present in the pattern region, the method exhibits systematic failure, yielding results that vary in quality compared to image correlation.