文献

J-GLOBAL ID：202202274592310868   整理番号：22A1032696

付加製造部品の欠陥検出のための畳込みニューラルネットワーク(CNN)【JST・京大機械翻訳】

A Convolutional Neural Network (CNN) for Defect Detection of Additively Manufactured Parts

著者 (4件)： Parvez Mohammad Masud (Missouri University of Science and Technology, Rolla, Missouri, United States) ,  Rahman Musarrat Farzana (Missouri University of Science and Technology, Rolla, Missouri, United States) ,  Galib Shaikat M. (H2O.AI, Mountain View, California, United States) ,  Liou Frank (Missouri University of Science and Technology, Rolla, Missouri, United States)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： IMECE2021  ページ： Null  発行年： 2022年 
JST資料番号： A0478C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 従来のサブトラクティブ製造技術と基本的に異なる添加剤製造(AM)は,複雑な形状を有する部品を製造するための層ごとの堆積プロセスである。AM成分内の欠陥の形成は,臨界構造および繰返し荷重応用に対する主要な関心事である。欠陥形成のメカニズムを理解し,欠陥を同定することは,製品ライフサイクルの改善に重要な役割を果たす。畳み込みニューラルネットワーク(CNN)は,従来とAMプロセスの両方に対する欠陥の自動検出のための効果的な深層学習ツールであることが証明されているが,適切なデータ処理とサンプリングを含む最適化パラメータを持つネットワークは,アーキテクチャの性能を改善できる。本研究では,溶融ベースのAMプロセスにおける溶融,ガス多孔性,および亀裂の欠如のような良好な堆積品質と欠陥の検出のために,CNNアーキテクチャを,異なる建築設定の分級報告と評価を比較し,それらから最適化結果を得るために提示する。また,ネットワークの性能を以前の研究からの結果と比較した。本研究で示したCNNネットワークの訓練と試験の両方に対する総合精度(98%)は,AM欠陥検出に対する最新技術(92%)の最新状態を示した。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： 亀裂 ,  最適化 ,  製造 ,  *ネットワーク ,  繰返し荷重 ,  *ニューラルネットワーク ,  分級 ,  *故障検出 ,  臨界 ,  データ処理 ,  深層 ,  生産技術 ,  計算機アーキテクチャ ,  *付加製造
準シソーラス用語： 自動検出 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 非破壊試験  (HB02030F) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 付加製造 ,  欠陥検出 ,  畳込みニューラルネットワーク ,  CNN