文献

J-GLOBAL ID：201902221504597653   整理番号：19A2177838

極端学習機械に基づく接着剤拡散品質データベースの構築法に関する研究【JST・京大機械翻訳】

Research on Construction Method of Glue Spreading Quality Database Based on Extreme Learning Machine

著者 (5件)： Liu Keping (School of electrical and electronic engineering, Changchun University of Technology, Changchun, 130012, China) ,  Qiao Yu (School of electrical and electronic engineering, Changchun University of Technology, Changchun, 130012, China) ,  Yang Hongtao (School of electrical and electronic engineering, Changchun University of Technology, Changchun, 130012, China) ,  Li Yan (School of electrical and electronic engineering, Changchun University of Technology, Changchun, 130012, China) ,  Yu Weibo (School of electrical and electronic engineering, Changchun University of Technology, Changchun, 130012, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CCDC  ページ： 5675-5680  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マシンビジョン接着剤拡散におけるリアルタイムオンライン検査システムの精度を確実にして,オフラインデータベース確立の不確実性によって引き起こされた偏差を減少させるために,本論文は,接着剤拡散品質データベースを構築するために極端な学習機械に基づくアルゴリズムを提案した。まず第一に,オフライン接着剤拡散追跡のロボット位置座標と画像処理の較正結果を訓練サンプルと試験サンプルに結合する。第二に,訓練段階において,「Sigmoid」関数を用いて励起関数を構築し,最良のモデルを訓練して標準的な接着剤拡散品質データベースを確立した。最良のモデルでは,試験試料を予測し,検証する必要がある。実験結果は,このアルゴリズムが0.1s未満の訓練時間を作ることができて,キャリブレーション結果の測定精度が0.01mm未満であることを示した。最後に,実際の検証をオンライン検査システムで行い,接着剤応用の知能化を実現した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *接着剤 ,  *データベース ,  測定精度 ,  画像処理 ,  アルゴリズム ,  不確実性 ,  *品質 ,  励起関数 ,  ロボット ,  モデル
準シソーラス用語： 知能化 ,  オンライン ,  オフライン ,  検査システム ,  マシンビジョン , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 極端学習機械 ,  接着剤 ,  拡散 ,  データベース ,  構築 ,  研究