文献

J-GLOBAL ID：202202216249720010   整理番号：22A0653018

サブ構造化クラス活性化マップによる深層学習ベース初期構造損傷検出アプローチ【JST・京大機械翻訳】

Deep Learning-based Initial Structural Damage Detection Approach via Sub-structuring Class Activation Map

著者 (3件)： Jeong Inho (Jeonbuk National University) ,  Cho Haeseong (Jeonbuk National University) ,  Kim Taeseong (Danmarks Tekniske Universitet)
資料名： AIAA Conference Proceedings / Meeting Papers  (AIAA Conference Proceedings / Meeting Papers)
巻： 2022  号： AIAA SCITECH 2022 Forum  ページ： 0532  発行年： 2022年 
JST資料番号： H0236B  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： 構造上の初期欠陥または損傷は,全構造を通して伝播する。従って,全構造に対する損傷の影響を防止するために,初期段階での損傷を検出することが重要である。最近,ディジタル画像相関(DIC)を利用して変形を測定し,構造物のロバスト性をモニタした。構造物の損傷が変位/歪に影響するので,損傷の程度が十分に大きいならば,損傷の位置は裸眼で予測することができる。しかし,DIC測定を考慮する場合,初期損傷の視覚解析に対する限界がある。本論文では,説明可能な人工知能であるクラス活性化マップ(CAM)を用いて,損傷の存在と位置を予測した。ここでは,DIC測定を仮定した。したがって,関連する変位と歪を有限要素法によって得る。得られたCAMモデルは,歪と損傷の間の関係で訓練され,損傷の存在と位置を予測し,99%より高い精度を示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  有限要素法 ,  構造物 ,  人工知能 ,  計測 ,  *損傷 ,  ロバスト性 ,  *損傷検出
準シソーラス用語： ディジタル画像相関 ,  裸眼 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  長さ,面積,断面,体積,容積,角度の計測法・機器  (AD05020O) ,  平板  (HD03060Z)

タイトルに関連する用語 (8件)： サブ ,  構造化 ,  クラス ,  活性化 ,  マップ ,  深層学習 ,  初期 ,  損傷検出