文献

J-GLOBAL ID：202202266229232639   整理番号：22A0770803

X線試験におけるターゲットシミュレーションによるターゲット検出【JST・京大機械翻訳】

Target Detection by Target Simulation in X-ray Testing

著者 (5件)： Mery Domingo (Department of Computer Science, Pontificia Universidad, Santiago, Chile) ,  Kaminetzky Alejandro (Department of Computer Science, Pontificia Universidad, Santiago, Chile) ,  Golborne Laurence (Department of Computer Science, Pontificia Universidad, Santiago, Chile) ,  Figueroa Susana (Department of Computer Science, Pontificia Universidad, Santiago, Chile) ,  Saavedra Daniel (Department of Computer Science, Pontificia Universidad, Santiago, Chile)
資料名： Journal of Nondestructive Evaluation  (Journal of Nondestructive Evaluation)
巻： 41  号： 1  ページ： 21  発行年： 2022年 
JST資料番号： B0912B  ISSN： 0195-9298  CODEN： JNOED5  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： X線試験において,目的は裸眼で検出できない物体の内部部分を検査することである。典型的な応用は,鋳造検査におけるブローホール,溶接検査における亀裂,バッグ検査における禁止物体のようなターゲットの検出である。今日の直接的な解決策は,深層学習モデルに基づく物体検出法の使用である。それにもかかわらず,訓練のための利用可能なX線画像の数が低いとき,この戦略は効果的でない。残念なことに,X線試験におけるデータベースは,むしろ限られている。この問題を克服するために,多くの模擬ターゲットを重ね合わせた低数のターゲットフリーX線画像で実行される深層学習訓練のための戦略を提案した。シミュレーションは,異なる層を重ね合わせることができるBeer-Lambert則に基づいている。この方法を用いて,訓練データを生成することは非常に簡単である。提案方法を用いて,鋳造検査,溶接検査およびバッグ検査における既知の物体検出モデル(例えば,YOLO,RetinaNet,効率的DetおよびSSD)を訓練した。学習モデルを実際のX線画像で試験した。実験では,提案した解は単純であり(オープンソースライブラリを用いたコードの少数の線で訓練の実装は,それぞれ,鋳造,溶接およびバッグ検査に対して,平均精度が0.91,0.60および0.88),そして高速(訓練が1時間において実行され,そして,試験が,画像当たり11msで実行され得る)ことを示した。この戦略は,X線試験におけるターゲット検出の問題に対する実用的な解決策の実装に寄与すると信じる。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 亀裂 ,  *シミュレーション ,  学習モデル ,  データベース ,  X線検査 ,  鋳造 ,  溶接 ,  精度 ,  モデル ,  X線画像
準シソーラス用語： 訓練データ ,  物体検出 ,  ターゲット検出 ,  裸眼 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： X線試験 ,  X線シミュレーション ,  オブジェクト検出 ,  鋳造検査 ,  溶接検査 ,  X線バッグゲージセキュリティ

分類 (1件)： 非破壊試験  (HB02030F)

タイトルに関連する用語 (4件)： X線試験 ,  ターゲット ,  シミュレーション ,  ターゲット検出