A comparative study of image segmentation methods applied to thermal images from a selective laser melting process

The primary objective of this study is to evaluate and compare different image segmentation methods that can be employed in the foreground/background separation of thermal images from a Selective Laser Melting (SLM). The research employs a systematic approach to assess the agreement between different segmentation algorithms in identifying key thermal features using the concept of inter-rater reliability. Thermal images are segmented using different segmentation algorithms that were found in the literature. Subsequently, the inter-rater reliability among different segmentation approaches is quantitatively assessed using established statistical measures such as Cohen's kappa coefficient with different model specifications, like Mixture model, Multiplicative model & Beta Binomial distribution model. The findings of this research contribute to enhancing the understanding of the reliability and consistency of image segmentation techniques for thermal analysis in SLM processes. Ultimately, improving the reliability of thermal image segmentation techniques can lead to advancements in process control, quality assurance, and overall efficiency in Selective Laser Melting technology.

L'obiettivo principale di questo studio è valutare e confrontare diversi metodi di segmentazione delle immagini che possono essere impiegati nella separazione primo piano/sfondo di immagini termiche da una fusione laser selettiva (SLM). La ricerca utilizza un approccio sistematico per valutare l'accordo tra diversi algoritmi di segmentazione nell'identificazione delle principali caratteristiche termiche utilizzando il concetto di affidabilità inter-rater. Le immagini termiche vengono segmentate utilizzando diversi algoritmi di segmentazione presenti in letteratura. Successivamente, l'affidabilità inter-rater tra diversi approcci di segmentazione viene valutata quantitativamente utilizzando misure statistiche consolidate come il coefficiente kappa di Cohen con diverse specifiche del modello, come il modello misto, il modello moltiplicativo e il modello di distribuzione beta binomiale. I risultati di questa ricerca contribuiscono a migliorare la comprensione dell'affidabilità e della coerenza delle tecniche di segmentazione delle immagini per l'analisi termica nei processi SLM. In definitiva, il miglioramento dell’affidabilità delle tecniche di segmentazione delle immagini termiche può portare a progressi nel controllo del processo, nella garanzia della qualità e nell’efficienza complessiva nella tecnologia di fusione laser selettiva.