文献

J-GLOBAL ID：201902255579186206   整理番号：19A1007057

深さ学習に基づくエマルションポンプ欠陥検出アルゴリズム【JST・京大機械翻訳】

Defect detection algorithm of lotion pump based on deep learning

著者 (4件)： Ma Haopeng (電子科技大学 自動化工程学院,四川 成都,611731) ,  Zhu Chunmei (電子科技大学 中山学院,广東 中山,528400) ,  Zhou Wenhui (電子科技大学 自動化工程学院,四川 成都 611731;電子科技大学 中山学院,广東 中山 528400) ,  Yin Chun (電子科技大学 自動化工程学院,四川 成都,611731)
資料名： Yejing yu Xianshi  (Yejing yu Xianshi)
巻： 34  号： 1  ページ： 81-89  発行年： 2019年 
JST資料番号： W1519A  ISSN： 1007-2780  CODEN： YYXIFY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 工業製品エマルションポンプの欠陥検出を実現するため、本論文では、ポンプトップ、ポンプの上端、ポンプの下端、尾管の4つの角度のサンプル画像を収集し、深さ学習における遷移学習と畳込みニューラルネットワークの原理に基づき、各角度の分類モデルを構築し、欠陥サンプルを検出した。最初に,Mini-ImageNetデータセットを用いてネットワークモデルを訓練した。次に,モデル構造を調整して,事前訓練ネットワークのパラメータを負荷して,次に,各々の角度の訓練セットと検証セットを,画像前処理アルゴリズムによって,畳込みニューラルネットワークに入力して,次に,トレーニングプロセスの間,検証セットの正確性の変化によって,ネットワーク超パラメータを調整して,最後に,最終ネットワークモデルを得た。最後に、前処理したエマルションポンプテストサンプルを訓練したモデルに入力し、最終モデルの欠陥識別効果を測定した。最終的に,4つの角度の検出精度は93%以上であり,単一サンプル検出は2.52秒であり,従来の方法より優れている。本論文のアルゴリズムは,産業構造と組合せて欠陥のあるポンプ体を選別することができて,産業の他の物件の欠陥検出に拡張できる,エマルションポンプ欠陥検出システムを設計するのに用いることができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 工業製品 ,  *学習 ,  ネットワーク ,  前処理 ,  産業構造 ,  画像 ,  *乳濁液 ,  パラメータ ,  *故障検出 ,  *アルゴリズム
準シソーラス用語： 検出精度 ,  ネットワークモデル ,  分類モデル ,  畳込みニューラルネットワーク ,  *検出アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 表示機器  (NC06030Q)

タイトルに関連する用語 (3件)： 学習 ,  欠陥検出 ,  アルゴリズム