Fusion entre les données ultrasonores et les images de radioscopie ...

&KDSLWUH ,9 0RGpOLVDWLRQ GHV &RQQDLVVDQFHV HW IXVLRQ GHV GRQQpHV
__________________________________________________________________________________________
- limiter le temps de calcul des paramètres lors du contrôle automatique
- volonté d'intégrer les connaissances de l'expert lors de l'apprentissage
- possibilité de conserver un maximum de vrais défauts sans la présence de fausses
détections lorsqu'il n'y a pas de contrôle US (fiabilité du contrôle)
- aider l'expert à identifier les objets détectés
- rechercher les informations complémentaires du contrôle US
Les trois premiers éléments sont vérifiés et nous souhaitons maintenant combiner les
connaissances acquises précédemment pour vérifier les trois suivants. Ces connaissances sont
modélisées par deux jeux de masses associés aux couples de paramètres {Cb ; S} et {P RX ; E}.
Nous proposons alors de combiner ces deux jeux de masses en utilisant la règle de
combinaison de Dempster (cf Chapitre I ) :
m
) = m (A /C et S) ⊕ m (A /P et E)
(IV.16.)
RX
objet
(Ak
objet k b
objet k RX
L'effet de cette combinaison est de conserver la confiance accordée à la présence d'un vrai
défaut (attribuée à partir des paramètres C b et S) tout en précisant sa nature à partir des
paramètres E et P RX .
III.2.3.2.
Illustration de la combinaison des connaissances
L’effet de cette combinaison est ici illustrée à travers le calcul des parts de croyances sur un
segment d’un défaut de manque de fusion (figure IV.17.).
5 mm 5 mm
Figure IV.17. : image RX initiale et objets détectés par le traitement de l’image : l’objet
encerclé (échantillon n°1, objet n°45 cf. chapitre V.§II.1) est un segment du défaut dont les
paramètres sont {C b ; S ; E ; P RX } = {2,92 ; 165 ; 4,2 ; 0,32}
3DJH