文献

J-GLOBAL ID：202002221909146344   整理番号：20A1060271

畳込みニューラルネットワークを用いたリチウムイオン電池電極における画像ベース欠陥検出【JST・京大機械翻訳】

Image-based defect detection in lithium-ion battery electrode using convolutional neural networks

著者 (5件)： Badmos Olatomiwa (Materials Research Institute, Aalen University, Aalen, Germany) ,  Badmos Olatomiwa (Department of Mechanical Engineering, Karlsruhe Institute of Technology (KIT), Karlsruhe, Germany) ,  Kopp Andreas (Materials Research Institute, Aalen University, Aalen, Germany) ,  Bernthaler Timo (Materials Research Institute, Aalen University, Aalen, Germany) ,  Schneider Gerhard (Materials Research Institute, Aalen University, Aalen, Germany)
資料名： Journal of Intelligent Manufacturing  (Journal of Intelligent Manufacturing)
巻： 31  号： 4  ページ： 885-897  発行年： 2020年 
JST資料番号： W0196A  ISSN： 0956-5515  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： リチウムイオン電池電極の製造の間,ある種の欠陥を防ぐことは困難であり,それは全体の電池性能と寿命に影響を及ぼす。深い学習コンピュータビジョン法を用いて,切片化細胞の光学顕微鏡画像からの微細構造欠陥の自動検出のためのリチウムイオン電池電極の品質を評価した。結果は,深い学習モデルが,欠陥を持たないものから欠陥を持つ事例を区別するのに十分な微細構造画像の正確な表現を学習できることを実証した。さらに,微細構造分類のための事前訓練ネットワークを用いる利点も示し,最高の分類精度を達成した。この方法は,非常に短い時間における品質評価のための数千のLiイオン電池顕微鏡写真を分析するためのアプローチを提供し,さらに技術的分析のための他の一般的な電池特性化法とも組み合わせることができる。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *イオン ,  *電池 ,  学習 ,  学習モデル ,  *ネットワーク ,  *リチウム ,  光学顕微鏡 ,  顕微鏡写真 ,  *故障検出 ,  コンピュータビジョン ,  *リチウムイオン電池
準シソーラス用語： 自動検出 ,  品質評価 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (7件)： コンピュータビジョン ,  微細構造 ,  深層学習 ,  畳み込みニューラルネットワーク ,  リチウムイオン電池 ,  電極欠陥 ,  品質評価

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  リチウムイオン電池 ,  欠陥検出