論文の概要: Depth Evaluation for Metal Surface Defects by Eddy Current Testing using
Deep Residual Convolutional Neural Networks
- arxiv url: http://arxiv.org/abs/2104.02472v1
- Date: Mon, 8 Mar 2021 17:38:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-08 18:05:30.631384
- Title: Depth Evaluation for Metal Surface Defects by Eddy Current Testing using
Deep Residual Convolutional Neural Networks
- Title（参考訳）: 深部残差畳み込みニューラルネットワークを用いた渦電流探傷による金属表面欠陥の深さ評価
- Authors: Tian Meng, Yang Tao, Ziqi Chen, Jorge R. Salas Avila, Qiaoye Ran,
Yuchun Shao, Ruochen Huang, Yuedong Xie, Qian Zhao, Zhijie Zhang, Hujun Yin,
Anthony J. Peyton, and Wuliang Yin
- Abstract要約: 渦電流試験(ECT)は金属表面欠陥の深さ評価に有効な手法である。
本稿では,最先端深層学習(DL)技術を用いた金属表面欠陥の自動深さ評価の課題に対処する。
- 参考スコア（独自算出の注目度）: 15.430312336246724
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Eddy current testing (ECT) is an effective technique in the evaluation of the
depth of metal surface defects. However, in practice, the evaluation primarily
relies on the experience of an operator and is often carried out by manual
inspection. In this paper, we address the challenges of automatic depth
evaluation of metal surface defects by virtual of state-of-the-art deep
learning (DL) techniques. The main contributions are three-fold. Firstly, a
highly-integrated portable ECT device is developed, which takes advantage of an
advanced field programmable gate array (Zynq-7020 system on chip) and provides
fast data acquisition and in-phase/quadrature demodulation. Secondly, a
dataset, termed as MDDECT, is constructed using the ECT device by human
operators and made openly available. It contains 48,000 scans from 18 defects
of different depths and lift-offs. Thirdly, the depth evaluation problem is
formulated as a time series classification problem, and various
state-of-the-art 1-d residual convolutional neural networks are trained and
evaluated on the MDDECT dataset. A 38-layer 1-d ResNeXt achieves an accuracy of
93.58% in discriminating the surface defects in a stainless steel sheet. The
depths of the defects vary from 0.3 mm to 2.0 mm in a resolution of 0.1 mm. In
addition, results show that the trained ResNeXt1D-38 model is immune to
lift-off signals.
- Abstract（参考訳）: 渦電流試験(ECT)は金属表面欠陥の深さ評価に有効な手法である。
しかし実際には、評価は主に操作者の経験に依存しており、しばしば手動検査によって行われる。
本稿では,最先端深層学習(DL)技術を用いた金属表面欠陥の自動深さ評価の課題に対処する。
主な貢献は3つある。
まず、先進的なフィールドプログラマブルゲートアレイ(チップ上のZynq-7020システム)を活用し、高速なデータ取得と相内/4次復調を提供する高度集積型ポータブルECTデバイスを開発する。
第2に、MDDECTと呼ばれるデータセットは、ECTデバイスを使用して人間のオペレータによって構築され、公開公開されている。
深度とリフトオフの18の欠陥から48,000のスキャンが含まれている。
第3に、深さ評価問題を時系列分類問題として定式化し、mddectデータセット上で様々な最先端の1次元残留畳み込みニューラルネットワークを訓練し評価する。
38層1d ResNeXtはステンレス鋼板の表面欠陥を93.58%の精度で識別する。
欠陥の深さは0.1mmの解像度で0.3mmから2.0mmに変化する。
さらに, トレーニングしたResNeXt1D-38モデルでは, リフトオフ信号に対する免疫が認められた。
関連論文リスト
- Faster Metallic Surface Defect Detection Using Deep Learning with Channel Shuffling [0.0]
本研究では,小型ネットワーク用に特別に設計されたYou Only Look Once (YOLOv5)に基づくリアルタイム金属表面欠陥検出モデルを提案する。
実験結果から,改良されたモデルでは,精度と検出時間において,他のモデルよりも優れた性能が得られた。
論文 参考訳（メタデータ） (2024-06-19T08:08:49Z) - Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。
本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文 参考訳（メタデータ） (2024-01-06T07:30:41Z) - CINFormer: Transformer network with multi-stage CNN feature injection
for surface defect segmentation [73.02218479926469]
表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。
CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。
さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
論文 参考訳（メタデータ） (2023-09-22T06:12:02Z) - Automated Semiconductor Defect Inspection in Scanning Electron
Microscope Images: a Systematic Review [4.493547775253646]
機械学習アルゴリズムは、半導体サンプルの欠陥を正確に分類し、特定するために訓練することができる。
畳み込みニューラルネットワークはこの点において特に有用であることが証明されている。
本稿では,SEM画像における半導体欠陥の自動検査の現状について概観する。
論文 参考訳（メタデータ） (2023-08-16T13:59:43Z) - Detecting train driveshaft damages using accelerometer signals and
Differential Convolutional Neural Networks [67.60224656603823]
本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。
その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
論文 参考訳（メタデータ） (2022-11-15T15:04:06Z) - Taguchi based Design of Sequential Convolution Neural Network for
Classification of Defective Fasteners [0.08795040582681389]
本研究は, 田口による実験・解析の設計を用いて, 頑健な自動システムの開発を行う。
提案されたシーケンシャルCNNは96.3%のバリデーション精度、0.277のバリデーション損失0.001の学習率を持つ。
論文 参考訳（メタデータ） (2022-07-22T10:26:07Z) - Geometry Uncertainty Projection Network for Monocular 3D Object
Detection [138.24798140338095]
本稿では,予測および学習段階の誤り増幅問題に対処するために,幾何不確実性予測ネットワーク(GUP Net)を提案する。
具体的には, GUPモジュールを提案し, 推定深さの幾何誘導不確かさを求める。
トレーニング段階では,エラー増幅による不安定性を低減するための階層型タスク学習戦略を提案する。
論文 参考訳（メタデータ） (2021-07-29T06:59:07Z) - Delving into Localization Errors for Monocular 3D Object Detection [85.77319416168362]
単眼画像から3Dバウンディングボックスを推定することは、自動運転に不可欠な要素です。
本研究では, 各サブタスクがもたらす影響を定量化し, 局所化誤差を求めることが, モノクロ3次元検出の抑制に欠かせない要因である。
論文 参考訳（メタデータ） (2021-03-30T10:38:01Z) - Neural networks for classification of strokes in electrical impedance
tomography on a 3D head model [0.0]
我々は、出血性脳卒中と虚血性脳梗塞の分類のために、2つのニューラルネットワークアーキテクチャー、完全に接続されたアーキテクチャと畳み込みアーキテクチャーを使用します。
それらのネットワークは、合成電極測定の4万ドルのサンプルを持つデータセットで訓練されている。
次に、より複雑なストロークモデルを用いて、見えないEITデータのいくつかのデータセット上でネットワークをテストする。
論文 参考訳（メタデータ） (2020-11-05T14:22:05Z) - Volumetric landmark detection with a multi-scale shift equivariant
neural network [16.114319747246334]
本稿では,3次元画像における高速かつメモリ効率の高いランドマーク検出を実現するマルチスケールのエンドツーエンドディープラーニング手法を提案する。
今回我々は,263個のCT上における頸動脈分岐検出法について検討し,平均ユークリッド距離2.81mmで最先端の精度を実現した。
論文 参考訳（メタデータ） (2020-03-03T17:06:19Z) - Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。
本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。
提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
論文 参考訳（メタデータ） (2020-01-10T05:29:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。