文献

J-GLOBAL ID：202202278837150215   整理番号：22A1038850

深層学習に基づく希少工業用偽膜の検出方法【JST・京大機械翻訳】

A Method for Detection of Rare Industrial Fake Film Based on Deep Learning

著者 (5件)： Gao Wuqi (School of Computer Science and Technology, Xi’an Technological University, Xi’an 710021, China) ,  Li Chao (School of Electronics and Information Engineering, Xi’an Technological University, Xi’an 710021, China) ,  Yang Ting (School of Electronics and Information Engineering, Xi’an Technological University, Xi’an 710021, China) ,  Li Liangliang (School of Electronics and Information Engineering, Xi’an Technological University, Xi’an 710021, China) ,  Li Xiaoyan (School of Electronics and Information Engineering, Xi’an Technological University, Xi’an 710021, China)
資料名： Security and Communication Networks  (Security and Communication Networks)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W2740A  ISSN： 1939-0114  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： 非破壊試験の分野における反復画像によって作り出される工業用ケーキ膜問題を解決するために,本論文は,Siameseニューラルネットワークに基づくX線膜の画像類似性比較アルゴリズムを提案した。最初に,高分解能X線フィルムから溶接領域を正確に位置決めし,検出するために,Gauss関数に基づくロバスト位置と検出アルゴリズムを提案した。次に,深い学習モデルシステムがデフォルトによって正方形に従って特徴を抽出するという問題を解決するために,高い水平と垂直特徴を有するフィルム特性の消失をもたらす,有効な溶接領域を使用し,ブロックで処理する。次に,溶接類似性識別のための小さなサンプルデータセットを,各ブロック領域を用いて確立し,そして,ツインニューラルネットワークに基づく工業用ケーキフィルム識別モデルを構築した。最後に,対応する重みを,種々の偽特徴情報領域のために設定し,そして,工業用偽膜検出のための類似性比較システムを提案した。実験は,本論文における方式が正確に溶接領域を見つけることができるだけではなく,また,産業における偽膜を正確に検出して,画像の幾何学的変換の影響を避けて,類似性比較のプロセスにおけるデータセットの不十分な数を避けて,良い検出効果を有することを示した。Copyright 2022 Wuqi Gao et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  検出 ,  学習モデル ,  溶接 ,  ニューラルネットワーク ,  画像 ,  *検出法 ,  非破壊検査 ,  高分解能 ,  ロバスト性 ,  X線フィルム ,  *機械学習
準シソーラス用語： Gauss関数 ,  検出アルゴリズム ,  画像類似性 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (4件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

引用文献 (26件)：

• P. A. Petcher, S. Dixon, "Weld defect detection using PPM EMAT generated shear horizontal ultrasound," NDT & E International, vol. 74, pp. 58-65, 2015.
• Y. Zou, D. Du, B. Chang, L. Ji, J. Pan, "Automatic weld defect detection method based on Kalman filtering for real-time radiographic inspection of spiral pipe," NDT & E International, vol. 72, pp. 1-9, 2015.
• L. Dziczkowski, "Elimination of coil liftoff from eddy current measurements of conductivity," IEEE Transactions on Instrumentation and Measurement, vol. 62, no. 12, pp. 3301-3307, 2013.
• J. Gao, Y. Ren, X. Wang, P. Yadong, X. Yan, "DICONDE format storage of X-ray digital images of pipe girth welds," Digital Technology and Application, vol. 38, no. 7, pp. 90-94, 2020.
• Ge Zhu, Ge, fnm Liu, "Deep learning-based classification of weld surface defects," Applied Sciences, vol. 9, no. 16, pp. 3312, 2019.

タイトルに関連する用語 (3件)： 深層学習 ,  工業 ,  検出方法