文献

J-GLOBAL ID：202102213217127539   整理番号：21A2571640

ドリル加工穴の画像に基づくドリル摩耗状態の認識へのSimeseネットワークの応用【JST・京大機械翻訳】

Application of Siamese Networks to the Recognition of the Drill Wear State Based on Images of Drilled Holes

著者 (5件)： Kurek Jaroslaw (Institute of Information Technology, Warsaw University of Life Sciences, Nowoursynowska 159, 02-776 Warsaw, Poland) ,  Antoniuk Izabella (Institute of Information Technology, Warsaw University of Life Sciences, Nowoursynowska 159, 02-776 Warsaw, Poland) ,  Swiderski Bartosz (Institute of Information Technology, Warsaw University of Life Sciences, Nowoursynowska 159, 02-776 Warsaw, Poland) ,  Jegorowa Albina (Institute of Wood Sciences and Furniture, Warsaw University of Life Sciences, Nowoursynowska 159, 02-776 Warsaw, Poland) ,  Bukowski Michal (Department of Artificial Intelligence, Institute of Information Technology, Warsaw University of Technology, 02-776 Warsaw, Poland)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 23  ページ： 6978  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本論文では,Siameseネットワークをドリル摩耗分類問題に適用した。家具会社にとって,製造プロセス中に発生する主な問題の一つは,ドリルを置換すべき時に正確なモーメントを見つけることである。ドリルが十分にシャープでないとき,それは貧弱な品質製品をもたらして,したがって,企業のためにいくつかの財政的損失を作り出すことができた。この問題に対する様々なアプローチでは,通常,3つのクラス,すなわち,シャープなドリルのグリーン,逆の赤い,および摩耗が疑われる工具の黄色が考慮され,人間の専門家による追加の評価を必要とする。上記の問題では,このような誤差が生産者にとって財務損失を生成する確率が高いので,グリーンと赤のクラスが誤ってはならないことが特に重要である。この問題を解決する解決策の大部分は,特別な装置,高い財務投資,あるいは,得られた結果が満足できることを保証することなく,複雑すぎる。本論文で提示したアプローチにおいて,ドリル穴の画像を,Siamesseネットワークのための訓練データとして使用した。提示した解はデータ収集方法論に関してはるかに簡単であり,初期装置に対する大きな財政投資を必要とせず,選択した入力に基づくドリル摩耗を正確に認定できる。また,既存の解決策で通常省略されるグリーンレッド誤分類のような追加の生産者要求を考慮した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *摩耗 ,  損失関数 ,  投資 ,  *ネットワーク ,  家具 ,  *ドリル ,  生産者 ,  モーメント ,  データ収集 ,  ドリル加工 ,  生産工程
準シソーラス用語： 訓練データ ,  財務 , 【Automatic Indexing@JST】

著者キーワード (5件)： Siamesネットワーク ,  コントラスト損失関数 ,  畳込みニューラルネットワーク ,  深層学習 ,  工具状態監視

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (23件)：

• Mikołajczyk, T.; Nowicki, K.; Bustillo, A.; Pimenov, D.Y. Predicting tool life in turning operations using neural networks and image processing. Mech. Syst. Signal Process. 2018, 104, 503-513.
• Merenda, M.; Laurendi, D.; Iero, D.; D’Addona, D.M.; Della Corte, F.G. Internet of Things Platform for Real-Time Intraoral Forces Monitoring. Procedia CIRP 2020, 88, 570-573.
• Mazo, C.; Alegre, E.; Trujillo, M. Using an ontology of the human cardiovascular system to improve the classification of histological images. Sci. Rep. 2020, 10, 1-14.
• Jemielniak, K. Commercial tool condition monitoring systems. Int. J. Adv. Technol. 1999, 15, 711-721.
• Górski, J.; Szymanowski, K.; Podziewski, P.; Śmietańska, K.; Czarniak, P.; Cyrankowski, M. Use of cutting force and vibro-acoustic signals in tool wear monitoring based on multiple regression technique for compreg milling. Bioresources 2019, 14, 3379-3388.

タイトルに関連する用語 (4件)： ドリル加工 ,  ドリル ,  摩耗 ,  応用