Resumen

En este artículo se propone un modelo de detección automática que adopta la tecnología de reconocimiento de patrones; puede realizar la medición del elemento de la película nanocompuesta. Las características de la matriz de coocurrencia de niveles de gris (GLCM) pueden extraerse de diferentes tipos de imágenes de la morfología de la superficie de la película; después de eso, la reducción de la dimensión de la película puede ser manejada por el análisis de componentes principales (PCA). Así, es posible identificar el elemento de la película según el algoritmo Adaboost M1 de un clasificador fuerte con diez clasificadores de árbol de decisión. El resultado experimental muestra que este modelo es superior a los de SVM (máquina de vectores de apoyo), NN y BayesNet. El método propuesto puede aplicarse ampliamente a la detección automática no sólo del elemento de la película nanocompuesta sino también de otros elementos del material nanocompuesto.

• Materias:Aluminio Propiedades fisicoquímicas Hidráulica Agua Ingenierí­a hidráulica Soldadura Hidróxido de aluminio
• Subjects:Aluminum Chemicophysical properties Hydraulics Water Hydraulic engineering Welding Aluminum hydroxide
• Palabras claves:tecnología de reconocimiento de patrones, elementos de película nanocompuesta, algoritmo adaboost m1, modelo de detección automática, tipo de superficie, imagen de morfología de la superficie, análisis de componentes principales, reducción de película, imagen de película, clasificador de árbol de decisión
• Keywords:pattern recognition technology, nanocomposite film elements, adaboost m1 algorithm, automatic detection model, type of surface, surface morphology image, principal components analysis, reduction of film, image of film, decision tree classifier