機械学習アプローチを用いた複合積層材の自動ボイド含有量評価【JST・京大機械翻訳】

Machado Joao M.; Tavares Joao Manuel R.S.; Tavares Joao Manuel R.S.; Camanho Pedro P.; Camanho Pedro P.; Correia Nuno

文献

J-GLOBAL ID：202202256159198893 整理番号：22A1047948

機械学習アプローチを用いた複合積層材の自動ボイド含有量評価【JST・京大機械翻訳】

Automatic void content assessment of composite laminates using a machine-learning approach

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A1047948&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1047948&from=J-GLOBAL&jstjournalNo=D0145B") }}

著者 (6件)： , , , , ,
資料名：
巻： 288 ページ： Null 発行年： 2022年
JST資料番号： D0145B ISSN： 0263-8223 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：イギリス (GBR) 言語：英語 (EN)

ボイドは複合材積層板の機械的特性に実質的な影響を及ぼし,複合部品の早期破壊につながる。光学顕微鏡は,代替オプションよりも信頼性が高く,安価であるので,複合部品のボイド含有量を評価するための一般的に使用されるイメージング技術である。通常,画像閾値化技術を用いて,自動的に獲得した顕微鏡画像のボイド内容を構文した。しかし,これらの技術は,イメージング取得条件と用いた複合材料のタイプに非常に敏感である。さらに,正確な結果を提供するために,これらのアルゴリズムを各解析の前に較正しなければならない。本研究では,パラメータ調整を必要とせずに,光学顕微鏡画像のボイド内容を自動的に構文解析できるロバストなツールを提供する目的で,畳み込みニューラルネットワークアーキテクチャに基づく機械学習手法を提案した。3つの異なるタイプの積層板から抽出した顕微鏡画像からなる訓練と試験データセットからの結果は,提案したアプローチが,従来のキャリブレーションステップを必要とせずに,従来の閾値アルゴリズムよりも正確に顕微鏡画像からボイド内容を解析できることを確認した。本研究は,個々のボイド統計における予想精度よりも低いにもかかわらず,提案アプローチが有望であることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

平板 , 梁,桁

, , , ,

前のページに戻る