文献

J-GLOBAL ID：202102261723422343   整理番号：21A0907312

深さ学習に基づく自動車ハブ欠陥自動セグメンテーション技術【JST・京大機械翻訳】

Automatic Segmentation Technology of Automobile Wheel Hub Defects Based on Deep Learning

著者 (4件)： Guo Ruiqi (中北大学,中北大学国防重点実験室,太原030051) ,  Wang Mingquan (中北大学,中北大学国防重点実験室,太原030051) ,  Zhang Junsheng (中北大学,中北大学国防重点実験室,太原030051) ,  Sun Lishuai (中北大学,中北大学国防重点実験室,太原030051)
資料名： Kexue Jishu yu Gongcheng  (Kexue Jishu yu Gongcheng)
巻： 20  号： 24  ページ： 9976-9981  発行年： 2020年 
JST資料番号： C4529A  ISSN： 1671-1815  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ハブの非破壊検査のインテリジェントプラットフォームを構築するため、深さ学習アルゴリズムに基づくハブ欠陥の自動分割方法を提案し、畳込みニューラルネットワークの構造と動径基底関数ニューラルネットワークの非線形特徴を利用して、深さ学習ネットワーク構造を構築し、人間の視覚知覚を模擬した。自動車ハブのX線画像に従って,U-Netネットワークを用いて,ハブ欠陥のセグメンテーションモデルを訓練し,関心領域に基づいて,関心領域のグレースケールピクセルを認識でき,そして,階層的ネットワークと畳込みニューラルネットワークを,深く学習した。欠陥領域の固有特性を抽出し,ハブ欠陥の自動セグメンテーションを実現した。結果は,複雑なハブ欠陥の認識率は90%以上であり,認識時間は約5ms/張であり,従来の方法より優れていることを示した。この方法は,ハブ欠陥の自動分割の要求を満たすことができ,潜在的応用展望を持つ。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *自動車 ,  *セグメンテーション ,  ネットワーク ,  グレースケール ,  画素 ,  ネットワーク構造 ,  X線画像 ,  非破壊検査 ,  視知覚 ,  学習アルゴリズム
準シソーラス用語： 認識率 ,  関心領域 ,  *自動セグメンテーション ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 学習 ,  自動車 ,  ハブ ,  欠陥 ,  自動セグメンテーション