文献

J-GLOBAL ID：202202224503076922   整理番号：22A0913970

金属付加製造のその場欠陥検出:統合フレームワーク【JST・京大機械翻訳】

In-Situ Defect Detection of Metal Additive Manufacturing: An Integrated Framework

著者 (8件)： Cannizzaro Davide (Department of Control and Computer Engineering, Politecnico di Torino, Torino, Italy) ,  Varrella Antonio Giuseppe (Department of Control and Computer Engineering, Politecnico di Torino, Torino, Italy) ,  Paradiso Stefano (Stellantis, Torino, Italy) ,  Sampieri Roberta (Stellantis, Torino, Italy) ,  Chen Yukai (Department of Control and Computer Engineering, Politecnico di Torino, Torino, Italy) ,  Macii Alberto (Department of Control and Computer Engineering, Politecnico di Torino, Torino, Italy) ,  Patti Edoardo (Department of Control and Computer Engineering, Politecnico di Torino, Torino, Italy) ,  Cataldo Santa Di (Department of Control and Computer Engineering, Politecnico di Torino, Torino, Italy)
資料名： IEEE Transactions on Emerging Topics in Computing  (IEEE Transactions on Emerging Topics in Computing)
巻： 10  号： 1  ページ： 74-86  発行年： 2022年 
JST資料番号： W2430A  ISSN： 2168-6750  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： 金属添加物製造(AM)は,従来のサブトラクティブ製造技術と比較して,多くの魅力的な利点を有する,産業4.0のピラーである。しかし,大量生産の障害となる多くの品質問題がある。欠陥のin situカメラベースのモニタリングと検出は,ビルの層ごとの性質を利用して,この問題に対する有効な解決策である。この文脈において,コンピュータビジョンと機械学習アルゴリズムの使用は,非常に重要な役割を持つ。それにもかかわらず,それらは,訓練のためのデータの不足と,製造を通してのAMプロセスデータのアクセスと統合の困難さによって制限される。この問題に取り組むために,本論文では,データセット増強目的のためのGenerative Adversarial Network(GAN)に基づく合成画像の自動生成により,実時間で生起する欠陥を検出するために,機械の頂部に搭載された軸外カメラからの画像を解析するin situモニタリングのためのシステムを提案した。計算機能は,AMパイプラインのすべての段階でデータの収集,統合および保存を可能にする全体分布AMプラットフォームに組み込まれた。Copyright 2022 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： カメラ ,  大量生産 ,  *故障検出 ,  コンピュータビジョン ,  生産技術 ,  学習アルゴリズム ,  *付加製造
準シソーラス用語： 実時間 ,  自動生成 ,  合成画像 ,  統合フレームワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 金属付加製造 ,  欠陥検出 ,  統合フレームワーク