文献
J-GLOBAL ID:202102277062182704   整理番号:21A1204950

ヘアピン溶接の光学的検出により例示したCNNの適応モデル重み最適化のためのクラウドおよびエッジアーキテクチャの開発【JST・京大機械翻訳】

Development of a Cloud- and Edge-Architecture for adaptive model weight optimization of a CNN exemplified by optical detection of hairpin welding
著者 (5件):
資料名:
巻: 2020  号: EDPC  ページ: 1-7  発行年: 2020年 
JST資料番号: W2441A  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
自然と人間生息場所へのますます科学的なアプローチに向けたグローバルな再配向の開始は,産業と社会の変化を伴う。自動車産業は,燃焼から電気駆動車両への移行が現在進行中である。電池の容量の増加に加えて,電動機の効率の改善が必須である。しかし,これらの目標を達成するためには,固定子のためのヘアピンのような新技術が必要である。重要なプロセスステップは2対のヘアピンの溶接を含み,しばしば溶接欠陥をもたらす。それにもかかわらず,この分野における専門家の知識は限られている。畳み込みニューラルネットワーク(CNN)の支援による溶接プロセスの光学的モニタリングは,良いアプローチである。この手法は,低いレベルのエキスパート知識を補償し,生産ラインで直接溶接欠陥を検出し,分類できる。しかし,光学的モニタリングの欠点は,生産条件と周辺環境が時間とともに変化することである。これは光学検出に影響し,CNNの精度に悪影響を与える。例えば,カメラ透視は,光学的品質監視にマイナス効果をもつ変化が可能である。したがって,本論文は,オンラインでクラウドインスタンスにおけるCNNの品質をモニタリングし,評価するためのアプローチを提示する。劣化品質が検出されるならば,クラウドのCNNは連続的に収集したデータによって再訓練され,次に自動的に生産ラインに展開される。これにより,CNNは環境条件の変化に適応できる。本アプローチを実証し,固定子製造プロセスの実データで検証した。現在の最先端技術と比較して,この制御ループは高度に自動化され,最小の人間介入を必要とする。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 

前のページに戻る