文献

J-GLOBAL ID：202202264904479730   整理番号：22A0945718

多視点超音波画像からの欠陥の自動検出とキャラクタリゼーション【JST・京大機械翻訳】

Automated detection and characterisation of defects from multiview ultrasonic imaging

著者 (2件)： Bevan Rhodri L.T. (University of Bristol, Queens Building, Bristol, UK) ,  Croxford Anthony J. (University of Bristol, Queens Building, Bristol, UK)
資料名： NDT & E International  (NDT & E International)
巻： 128  ページ： Null  発行年： 2022年 
JST資料番号： A0196A  ISSN： 0963-8695  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： 本論文では,超音波フェイズドアレイによる浸漬検査の問題に,陸棚機械学習(ML)モデルがどのように異なるかを調べた。本論文は,システムの十分に検証されたフォワードモデルの適用を通して,訓練セットアベイラビリティの問題を扱う。これにより,任意の欠陥位置およびタイプを持つ任意のサイズの訓練セットが可能になった。これは,純粋な実験データセットでは,一般的には不可能である。これらの大きなデータセットのアベイラビリティは,MLモデルの能力と限界の相対的評価を可能にする。これを行うと,浅い学習は,欠陥検出と重要な付加的利益のための深層学習と同様の性能を持つことを示した。次に,本論文は欠陥キャラクタリゼーションの問題を調査して,深い学習モデルが優れた性能を提供できることを示した。また,同じモデルは,欠陥のタイプの決定のような異なる課題に容易に再利用できる。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： 検出 ,  *超音波 ,  学習モデル ,  フェイズドアレイ ,  大陸棚 ,  故障検出 ,  画像処理 ,  アベイラビリティ ,  浸漬 ,  *超音波画像 ,  再利用 ,  キャラクタリゼーション ,  機械学習
準シソーラス用語： 自動検出 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 超音波 ,  イメージング ,  機械学習 ,  検出 ,  キャラクタリゼーション

分類 (1件)： 非破壊試験  (HB02030F)

タイトルに関連する用語 (5件)： 視点 ,  超音波画像 ,  欠陥 ,  自動検出 ,  キャラクタリゼーション