Optimization of a set of thermovision image features with the use of evolutionary algorithms

Extraction of diagnostic information from the thermovision images is connected with analysis and evaluation of a huge amount of different diagnostic features which could cause problems with efficient assessment of technical state due to informational noise. In the paper, application of an evolutionary algorithm for optimization of a set of diagnostic features has been presented. In the case of assessment of selected optimal features, neural classifier has been used. A set of 259 features has been considered. Classification results have shown that the evolutionary algorithm can be applied in selection of relevant diagnostic features. Efficiency of classifier has come to more than 92%.

Ocena stanu technicznego maszyn na podstawie obrazów termowizyjnych wymaga ich analizy i wyznaczenia zwykle dużej liczby różnych cech diagnostycznych, które mogą utrudniać efektywną diagnozę ze względu na szum informacyjny. W artykule przedstawiono zastosowanie algorytmu ewolucyjnego do optymalizacji zbioru 259 cech diagnostycznych. Do oceny zoptymalizowanego zbioru cech posłużono się klasyfikatorem neronalnym. Wyniki klasyfikacji potwierdzają przydatność zastosowania algorytmów ewolucyjnych do wyboru cech relewantnych. Sprawność klasyfikacji była większa niż 92%.