文献

J-GLOBAL ID：202002244942807865   整理番号：20A0631335

取鍋画像ブロックのCNNベース経路確率を用いたスラグ除去経路の推定【JST・京大機械翻訳】

Estimation of Slag Removal Path using CNN-based Path Probability of Ladle Image Blocks

著者 (3件)： Kim Jeong-Soo (School of Computer Science and Engineering, Kyungpook National University, Daegu, Korea) ,  Ahn Geon-Tae (Research Institute of Industrial Science and Technology, Pohang, Korea) ,  Park Soon-Yong (School of Electronics Engineering, Kyungpook National University, Daegu, Korea)
資料名： International Journal of Control, Automation and Systems  (International Journal of Control, Automation and Systems)
巻： 18  号： 3  ページ： 791-800  発行年： 2020年 
JST資料番号： W4461A  ISSN： 1598-6446  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： De-スラグ化は,取鍋中の鋼のような溶融金属表面上のスラグを除去する作業である。本論文では,CNN(Convolution Neural Network)を用いたスラグ除去経路推定の方法を提案し,ロボットマシンを用いて脱スラッギング作業を自動化した。取鍋の頂部から捕捉された画像上のシーケンスから,最初に,経験した人間オペレータのスラグ除去運動の二次元軌跡を抽出した。次に,いくつかの画像ブロックを,ニューラルネットワークを訓練するために,除去軌道に沿ったサンプル点で得た。ネットワークの出力は,入力画像ブロックの4つの異なる除去方向の確率を表す4つのラベルから成る。訓練された神経回路網を試験するために,与えられたストライド値を持つ固定サイズブロックに対して,テストラドル画像を一様に分割した。すべての画像ブロックをテストし,4つの方向の確率を決定し,訓練したネットワークによって記録した。除去方向確率によってスラグ確率を増やすことによって,スラグ除去方向(JPSRD)の結合確率を導入した。最後に,スラグ除去経路を,推定経路が最も高いJPSRDを生み出すように,取鍋の終点から後方追跡法を適用することによって推定した。次に,滑らかなスラグ除去経路を作るために曲線あてはめを適用した。画像ブロックの経路決定精度は約90%である。また,推定されたスラグ除去経路を経験したオペレータのそれと比較した。Copyright ICROS, KIEE and Springer 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *スラグ ,  スラッギング ,  スラグ化 ,  神経回路網 ,  ネットワーク ,  ニューラルネットワーク ,  曲線あてはめ ,  二次元 ,  *とりべ ,  ロボット ,  オペレータ ,  鋼 ,  自動化
準シソーラス用語： エンドポイント , 【Automatic Indexing@JST】

著者キーワード (5件)： 後方追跡 ,  畳み込みニューラルネットワーク ,  方向確率 ,  画像ブロック ,  スラグ除去

分類 (2件)： 製鋼  (WD01060A) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 取鍋 ,  CNN ,  経路 ,  確率 ,  スラグ ,  推定