文献

J-GLOBAL ID：202202275140731258   整理番号：22A1086962

Al-Zn-Mg合金の機械的および腐食挙動の画像深層学習支援予測【JST・京大機械翻訳】

Image Deep Learning Assisted Prediction of Mechanical and Corrosion Behavior for Al-Zn-Mg Alloys

著者 (6件)： Ao Min (Key Laboratory for Corrosion and Protection (MOE), Beijing Advanced Innovation Center for Materials Genome Engineering, Institute for Advanced Materials and Technology, University of Science and Technology Beijing, Beijing, China) ,  Ji Yucheng (Key Laboratory for Corrosion and Protection (MOE), Beijing Advanced Innovation Center for Materials Genome Engineering, Institute for Advanced Materials and Technology, University of Science and Technology Beijing, Beijing, China) ,  Sun Xiaoguang (Technical Engineering Department, CRRC Qingdao Sifang Company Ltd, Qingdao, China) ,  Guo Fengjia (Shandong Nanshan Aluminium Company Ltd, Longkou, China) ,  Xiao Kui (Key Laboratory for Corrosion and Protection (MOE), Beijing Advanced Innovation Center for Materials Genome Engineering, Institute for Advanced Materials and Technology, University of Science and Technology Beijing, Beijing, China) ,  Dong Chaofang (Key Laboratory for Corrosion and Protection (MOE), Beijing Advanced Innovation Center for Materials Genome Engineering, Institute for Advanced Materials and Technology, University of Science and Technology Beijing, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 35620-35631  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 材料の機械的性質と腐食挙動を予測するための金属組織画像の使用は,非破壊検出と品質管理の達成に役立つ。しかし,長期試みの後,従来の方法は,対応する微細構造画像と材料の機械的性質と腐食挙動を正確に相関できない。本研究では,表面光学微細構造画像を用いて,大規模押出アルミニウムプロファイルの機械的特性と腐食挙動を予測するための深い学習戦略を提案した。顕著な特性を有する提案モデルを,実験的データセット収集,データセット前処理,深層学習ネットワーク修正,およびキーパラメータスクリーニングを通して確立した。例として異なる表面微細構造を有する押出Al-Zn-Mg合金を取り上げて,4800セットの「金属組織学的画像γ′硬度(HV)γ′腐食電位(E_corr)」データを,それぞれ90%と82%の予測精度でHVとE_corrモデルを確立するために実験的に収集した。提案したHVとE_corrモデルは,実験検証セットで,それぞれ1.8HVと7.0mVの平均誤差で大きな一般化能力を示した。提案したモデルは,金属組織学的画像,機械的性質および腐食挙動を正確に相関することができ,それは,予想外の材料破壊をさらに防止するためのインテリジェントおよび非破壊試験方法の理論的支持を提供できる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械的性質 ,  *合金 ,  品質管理 ,  ネットワーク ,  金属組織学 ,  *画像 ,  モデル ,  材料 ,  腐食電位 ,  非破壊検査 ,  スクリーニング ,  *機械学習
準シソーラス用語： 予測精度 ,  *腐食挙動 ,  実験検証 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： Al-Zn-Mg合金 ,  腐食挙動 ,  深層学習 ,  支援 ,  予測