文献

J-GLOBAL ID：202202225548336691   整理番号：22A1104769

画像処理と深層学習技術を用いた粉末冶金微細構造分類【JST・京大機械翻訳】

Powder Metallurgy Microstructure Classification Using Image Processing and Deep Learning Techniques

著者 (2件)： Usamran Khattipong (Thai-Nichi Institute of Technology) ,  Mruetusatorn Saprangsit (Thai-Nichi Institute of Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： iEECON  ページ： 1-5  発行年： 2022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： 焼結ネックの融合特性の評価は,粉末冶金で成形した金属工作物の品質を示すために重要である。成形後の微細構造画像によって品質を分析した。現在,品質評価は,主に明確な標準のない専門家によって行われる。結果として,本研究の目的は,微細構造画像中の細孔の特性を用いて焼結ネックを評価するモデルを開発するために,CNN(畳込みニューラルネットワーク)に基づく画像処理と深層学習の適用を提示することである。3つの冶金専門家によって評価された画像は,深層学習モデルを作成するためにプロトタイプに利用された。研究では,5つの異なるアルゴリズムを用いてモデルを作成するのに用いた精度と時間の結果を測定した。その結果,細孔の画像タイプを分類できないGoogLeNetによって生成されたモデルを除いて,94~98%の精度範囲を得て,ResNet-50は,すべての4つのモデルの間で深い学習モデルを構成する最短時間を費やした。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： アルゴリズム ,  焼結 ,  微細構造 ,  学習モデル ,  *粉末冶金 ,  *画像処理 ,  *冶金 ,  細孔 ,  プロトタイプ
準シソーラス用語： 品質評価 ,  *深層学習 ,  畳込みニューラルネットワーク , 【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 (5件)： 画像処理 ,  深層学習 ,  粉末冶金 ,  微細構造 ,  分類