文献

J-GLOBAL ID：202002233974000740   整理番号：20A2129872

航空複合材料の介在物欠陥検出のための深い移動学習モデル【JST・京大機械翻訳】

A deep transfer learning model for inclusion defect detection of aeronautics composite materials

著者 (4件)： Gong Yanfeng (Key Laboratory of Optoelectronic Technology and System of the Ministry of Education, Chongqing University, Chongqing 400044, China) ,  Shao Hongliang (Shanghai Satellite Equipment Research Institute, Shanghai 200240, China) ,  Luo Jun (Key Laboratory of Optoelectronic Technology and System of the Ministry of Education, Chongqing University, Chongqing 400044, China) ,  Li Zhixue (Key Laboratory of Optoelectronic Technology and System of the Ministry of Education, Chongqing University, Chongqing 400044, China)
資料名： Composite Structures  (Composite Structures)
巻： 252  ページ： Null  発行年： 2020年 
JST資料番号： D0145B  ISSN： 0263-8223  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 複合材料は軍事と民間航空機の構造部品としてますます使用されている。それらの高い信頼性を確保するために,多数の非破壊試験(NDT)技術を用いて,製造と維持の間の欠陥を検出した。しかし,これらの技術の大部分は非自動的であり,診断結果はオペレータによって主観的に決定される。NDTを通して得られた画像における欠陥を同定するために,いくつかの深い学習法を提案したが,それらは,高価または利用できない欠陥を有するラベル付き画像サンプルを必要とする。サンプルが不足している航空複合材料(ACM)のX線画像における欠陥の包含のための特徴を正確に抽出するための深い移動学習モデルを提案した。提案モデルを用いてACMのX線画像に対する自動包含欠陥検出方法を研究した。実験結果は,モデルが満足な検出結果で96%の分類精度(F1_metric)に達することができることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 複合材料 ,  *学習 ,  *学習モデル ,  *航空輸送 ,  オペレータ ,  民間機 ,  特徴抽出 ,  *故障検出 ,  航空工学 ,  X線画像 ,  非破壊検査 ,  *介在物
準シソーラス用語： 高信頼性 , 【Automatic Indexing@JST】

著者キーワード (4件)： 介在物欠陥検出 ,  航空工学複合材料 ,  転移学習 ,  特徴抽出

分類 (1件)： 平板  (HD03060Z)

タイトルに関連する用語 (5件)： 航空 ,  複合材料 ,  介在物 ,  欠陥検出 ,  学習モデル