文献

J-GLOBAL ID：202202220892146811   整理番号：22A0216153

畳込みニューラルネットワークを用いた粒状粒子形状の三次元定量分析【JST・京大機械翻訳】

Three-dimensional quantitative analysis on granular particle shape using convolutional neural network

著者 (3件)： Zhang Pin (Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University, Kowloon, Hong Kong, China) ,  Yin Zhen-Yu (Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University, Kowloon, Hong Kong, China) ,  Jin Yin-Fu (Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University, Kowloon, Hong Kong, China)
資料名： International Journal for Numerical and Analytical Methods in Geomechanics  (International Journal for Numerical and Analytical Methods in Geomechanics)
巻： 46  号： 1  ページ： 187-204  発行年： 2022年 
JST資料番号： H0734A  ISSN： 0363-9061  CODEN： IJNGDZ  資料種別： 逐次刊行物 (A)
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： より少ない計算コストで粒状粒子のすべての望ましい形状パラメータを同定するために,本研究では三次元畳込みニューラルネットワーク(3D-CNN)ベースのモデルを提案した。データセットは100のバラストと100の福建砂粒子で作られ,従来の方法で得られた形状パラメータ(アスペクト比,真円度,球形度,凸度)はすべての粒子をラベル付けするために使用された。モデル訓練のために,粒子のスライス画像をモデルに供給することによって,粒子の輪郭を自動的に抽出して,それによって,形状パラメータをモデルによって学習することができた。その後,モデルをモデル試験として新しい粒子の形状パラメータを予測するために適用した。すべての結果は,3つの直交平面から切断されたスライス画像に基づいて訓練されたモデルが,10%未満の誤差で最も高い予測精度を提示することを示した。一方,凹形および角型粒子に対する精度を保証できた。形状パラメータの予測値がスライス画像を切断するときの粒子の方位に大まかに無関係である,モデルの回転-等変化を確認した。従来の方法と比較して,すべての望ましい形状パラメータは,1つの統一3D-CNNモデルによって得ることができて,その予測は,粒子複雑性と三角形ファセットの数に無関係であり,このように,計算コストを節約した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アスペクト比 ,  *定量分析 ,  顕微鏡観察 ,  ファセット ,  *三次元 ,  断層画像 ,  凸形 ,  直交性
準シソーラス用語： 予測精度 ,  複雑性 ,  計算コスト ,  予測値 ,  形状パラメータ ,  粒子形状 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 粒子形状 ,  砂利 ,  顕微鏡法 ,  粒子スケール挙動 ,  X線コンピュータ断層撮影

分類 (1件)： 土の圧縮,圧密,せん断,地盤沈下  (RA03050P)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  粒子形状 ,  定量分析