文献

J-GLOBAL ID：202202262979948844   整理番号：22A0640314

深層移動学習に基づく粉砕工作物のための表面粗さグレード認識モデル【JST・京大機械翻訳】

A surface roughness grade recognition model for milled workpieces based on deep transfer learning

著者 (6件)： Su Jinzhao (School of Mechanical and Control Engineering, Guilin University of Technology, Guilin 541004, People’s Republic of China) ,  Yi Huaian (School of Mechanical and Control Engineering, Guilin University of Technology, Guilin 541004, People’s Republic of China) ,  Ling Lin (School of Foreign Languages, Guilin University of Technology, Guilin 541004, People’s Republic of China) ,  Wang Shuai (School of Mechanical and Control Engineering, Guilin University of Technology, Guilin 541004, People’s Republic of China) ,  Jiao Yanming (School of Mechanical and Control Engineering, Guilin University of Technology, Guilin 541004, People’s Republic of China) ,  Niu Yilun (School of Mechanical and Control Engineering, Guilin University of Technology, Guilin 541004, People’s Republic of China)
資料名： Measurement Science and Technology  (Measurement Science and Technology)
巻： 33  号： 4  ページ： 045014 (11pp)  発行年： 2022年 
JST資料番号： C0354C  ISSN： 0957-0233  CODEN： MSTCEP  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)

抄録/ポイント： 多くの粗さ測定法は,粗さを正確に特徴付けることができない設計特徴指数に依存し,工作物イメージング環境を要求している。深層ニューラルネットワークに基づく粗さ測定法は,訓練サンプルおよび試験サンプルのための膨大な数の訓練サンプルおよび同じデータ分布を必要とし,それは,機械加工産業において広い応用を達成することを困難にする。本論文では,深層移動学習に基づくフライス加工工作物の表面粗さ等級認識モデルである深いAlexCORALを,より一般的な粗さ関連特徴を自動的に抽出するために提案した。それは,モデルに必要なデータ量を減らすだけでなく,ソースドメイン(訓練セット)とターゲットドメイン(テストセット)の間のデータ分布の差も低減する。実験結果は,深いAlexCORALが,様々な照明環境による矛盾したデータ分布を有する様々な事例において,99.33%のクロスドメイン認識精度を有することを示した。これは他の粗さ等級認識モデルとは一致しない。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  フライス加工 ,  画像処理 ,  機械工作 ,  計測 ,  表面粗さ ,  *モデル ,  深層 ,  *認知モデル
準シソーラス用語： 認識精度 ,  照明環境 ,  データ量 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 長さ,面積,断面,体積,容積,角度の計測法・機器  (AD05020O) ,  固体の表面構造一般  (BK15010E)

タイトルに関連する用語 (7件)： 深層 ,  学習 ,  粉砕 ,  工作物 ,  表面粗さ ,  グレード ,  認識モデル