文献

J-GLOBAL ID：202002223017805149   整理番号：20A1998624

深層学習に基づくデュアルバンド溶接速度監視法【JST・京大機械翻訳】

Dual-band Welding Speed Monitoring Method Based on Deep Learning

著者 (5件)： Shen Jionghang (School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Zhao Zhuang (School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Han Jing (School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Zhang Yi (School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Bai Lianfa (School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICVIP 2018  ページ： 213-217  発行年： 2018年 
JST資料番号： D0698C  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： 本論文は,溶接品質を効果的に監視できる溶接プール画像に基づく溶接速度モニタリング法を提案した。理論解析と実験によって,660nm帯域通過と850nm高域を,溶接プール画像捕捉のための最適バンドとして選択した。二重バンド画像を捕えた後,二重バンド画像の輪郭を抽出し,併合することにより,溶接プール輪郭の二値画像を得た。改良LeNet深層ネットワークを用いて,二値画像を処理し,溶接速度の安定性を監視するためのモデルを訓練した。従来の機械学習法と比較して,改良LeNet深層ネットワークは単純な構造を持ち,高い分類精度と高速応答速度を得る。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  *溶接速度 ,  溶融池 ,  捕獲 ,  深層 ,  周波数帯 ,  機械学習 ,  二値画像
準シソーラス用語： 高速応答 ,  *デュアルバンド ,  分類精度 ,  理論解析 ,  *深層学習 ,  溶接品質 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  デュアルバンド ,  溶接プールビジョン ,  溶接速度モニタリング

分類 (2件)： レーザの応用  (BD04100V) ,  溶接技術  (WC07030G)

タイトルに関連する用語 (4件)： 深層学習 ,  デュアルバンド ,  溶接速度 ,  監視法