Processing tangential stress images obtained using liquid crystals
- Autores: Ikaev N.D.1, Efimova E.V.1, Zhilina E.V.1
-
Afiliações:
- Rostov State University of Economics (RINH)
- Edição: Volume 4, Nº 2 (2023)
- Páginas: 193-204
- Seção: Articles
- URL: https://journals.eco-vector.com/2712-9306/article/view/607866
- DOI: https://doi.org/10.18334/ide.4.2.118575
- ID: 607866
Citar
Texto integral
Acesso aberto
Acesso está concedido
Acesso é pago ou somente para assinantes
Resumo
There is a problem of processing images of tangential stress fields obtained during the experiment using liquid crystals. These images are complex and may contain a large amount of information that needs to be processed and analyzed. The main problem is the need to extract useful information from such images. This requires special data processing algorithms that can automatically identify areas with tangential stresses of interest. These algorithms can use various methods, such as machine learning, noise filtering and image segmentation. Another problem is the need to analyze the data obtained. Various image analysis and statistical data analysis software can be used for this purpose. Additional experiments may also be required to verify the adequacy of the results obtained and their further interpretation.
Palavras-chave
Sobre autores
Nikita Ikaev
Rostov State University of Economics (RINH)
Email: nik.ikayev@bk.ru
Elena Efimova
Rostov State University of Economics (RINH)
Email: efim19732008@yandex.ru
Elena Zhilina
Rostov State University of Economics (RINH)
Email: black-2@mail.ru
Bibliografia
- Benferhat R., Daouadji T.H., Mansour M.S., Henni A.H. Calcul des Déplacements et des Contraintes de Cisaillement pour les Plaques Sandwiches à Gradient Variable type FGM // Revue Nature et Technologie. – 2014. – № 1. – p. 24-44.
- Zhao J. Measurement of Wall Shear Stress in High Speed Air Flow Using Shear-Sensitive Liquid Crystal Coating // Sensors. – 2018. – № 5. – p. 1605. – doi: 10.3390/s18051605.
- Попов Д.Н., Жилина Е.В., Петренко В.И. Анализ R-CNN подхода к распознаванию объектов в контексте прикладных экономических задач // Информатизация в цифровой экономике. – 2022. – № 4. – c. 211-220. – doi: 10.18334/ide.3.4.115222.
- Введение в научные вычисления – двенадцать проектов с MATLAB. Link.springer.com. [Электронный ресурс]. URL: https://link.springer.com/book/10.1007/978-0-387-49159-2 (дата обращения: 11.03.2023).
- Контроль над процессом: Первый курс с MATLAB. Habr.com. [Электронный ресурс]. URL: https://habr.com/ru/articles/702414/ (дата обращения: 11.03.2023).
- Оптимизация на практике с MATLAB. Researchgate.net. [Электронный ресурс]. URL: https://www.researchgate.net/profile/Mohamed_Mourad_Lafifi/post (дата обращения: 11.03.2023).
- Практические основы MatLab для инженеров. Link.springer.com. [Электронный ресурс]. URL: https://link.springer.com/book/10.1007/978-3-319-77223-3 (дата обращения: 11.03.2023).
- Расширенная обработка изображений и видео с использованием MATLAB. Uvpce.files.wordpress.com. [Электронный ресурс]. URL: https://uvpce.files.wordpress.com/2011/08/digital_signal_and_image_proce.pdf (дата обращения: 11.03.2023).
- Функциональный анализ данных с помощью R и MATLAB. Link.springer.com. [Электронный ресурс]. URL: https://link.springer.com/book/10.1007/978-0-387-98185-7 (дата обращения: 11.03.2023).
- Цифровая обработка сигналов и изображений с использованием MATLAB. Lib.ssga.ru. [Электронный ресурс]. URL: http://lib.ssga.ru/IRBISFULLTEXT/UMK/200200 (дата обращения: 11.03.2023).
Arquivos suplementares
