文献

J-GLOBAL ID：202202247955435996   整理番号：22A0684956

深いDIC:エンドツーエンド変位と歪測定のための深層学習ベースディジタル画像相関【JST・京大機械翻訳】

Deep DIC: Deep learning-based digital image correlation for end-to-end displacement and strain measurement

著者 (4件)： Yang Ru (Department of Mechanical Engineering, Northwestern University, Evanston, IL 60208, USA) ,  Li Yang (Research and Advanced Engineering, Ford Motor Company, Dearborn, MI, 48121, USA) ,  Zeng Danielle (Research and Advanced Engineering, Ford Motor Company, Dearborn, MI, 48121, USA) ,  Guo Ping (Department of Mechanical Engineering, Northwestern University, Evanston, IL 60208, USA)
資料名： Journal of Materials Processing Technology  (Journal of Materials Processing Technology)
巻： 302  ページ： Null  発行年： 2022年 
JST資料番号： H0650A  ISSN： 0924-0136  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ディジタル画像相関(DIC)は,引張試験および他の材料特性評価における正確な変位および歪測定を検索するための産業標準になった。従来のDICは一般的な引張試験ケースに対する変形の高精度推定を提供するが,予測は大きな変形で不安定になり,スペックルパターンが引裂き始める。さらに,従来のDICは長い計算時間を必要とし,しばしばフィルタリングとスペックルパターン品質に影響される低空間分解能出力を生成する。これらの課題に取り組むために,2つの畳み込みニューラルネットワーク,変位Netおよび歪Netを,変位および歪のエンドツーエンド予測のために一緒に働くように設計する,新しい深層学習ベースのDICアプローチ-Deep DICを提案した。変位場は変位場を予測し,関心領域を適応的に追跡する。歪Netは変位予測に頼らず,画像入力から直接歪場を予測し,歪予測精度を著しく改善する。新しいデータセット生成法を開発し,スペックルパターンの生成と合成変位場によるスペックル画像の変形を含む現実的で包括的なデータセットを合成した。合成データセットのみに訓練されたが,深いDICは,実際の実験に対して市販のDICソフトウェアから得られた変位と歪の非常に一貫性があり,同等の予測を与え,一方,それは,大規模で局所化した変形と変化するパターン品質でさえ,非常にロバストな歪予測を有する市販のソフトウェアより優れている。さらに,深いDICは,ミリ秒までの計算時間で変形の実時間予測が可能である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 引張試験 ,  フィルタリング ,  精度 ,  *相関 ,  *エンドツーエンド方式 ,  ソフトウェア ,  スペックル ,  コンピュータビジョン ,  歪場 ,  ロバスト性
準シソーラス用語： 変位場 ,  予測精度 ,  *ディジタル画像相関 ,  関心領域 ,  スペックルパターン ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： ディジタル画像相関 ,  畳込みニューラルネットワーク ,  実験力学 ,  コンピュータビジョン

分類 (1件)： 機械的性質  (WB02030U)

タイトルに関連する用語 (6件)： DIC ,  エンドツーエンド ,  変位 ,  歪測定 ,  深層学習 ,  ディジタル画像相関