論文の概要: Automated Surface Texture Analysis via Discrete Cosine Transform and
Discrete Wavelet Transform
- arxiv url: http://arxiv.org/abs/2204.05968v1
- Date: Tue, 12 Apr 2022 17:30:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-13 14:30:09.157201
- Title: Automated Surface Texture Analysis via Discrete Cosine Transform and
Discrete Wavelet Transform
- Title(参考訳): 離散コサイン変換と離散ウェーブレット変換による表面自動テクスチャ解析
- Authors: Melih C. Yesilli, Jisheng Chen, Firas A. Khasawneh, Yang Guo
- Abstract要約: 情報理論と信号エネルギーに基づく2つの自動しきい値選択アルゴリズムを提案する。
その結果,平均的精度は95%と良好な一致を示した。
- 参考スコア(独自算出の注目度): 2.3915097884016845
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Surface roughness and texture are critical to the functional performance of
engineering components. The ability to analyze roughness and texture
effectively and efficiently is much needed to ensure surface quality in many
surface generation processes, such as machining, surface mechanical treatment,
etc. Discrete Wavelet Transform (DWT) and Discrete Cosine Transform (DCT) are
two commonly used signal decomposition tools for surface roughness and texture
analysis. Both methods require selecting a threshold to decompose a given
surface into its three main components: form, waviness, and roughness. However,
although DWT and DCT are part of the ISO surface finish standards, there exists
no systematic guidance on how to compute these thresholds, and they are often
manually selected on case by case basis. This makes utilizing these methods for
studying surfaces dependent on the user's judgment and limits their automation
potential. Therefore, we present two automatic threshold selection algorithms
based on information theory and signal energy. We use machine learning to
validate the success of our algorithms both using simulated surfaces as well as
digital microscopy images of machined surfaces. Specifically, we generate
feature vectors for each surface area or profile and apply supervised
classification. Comparing our results with the heuristic threshold selection
approach shows good agreement with mean accuracies as high as 95\%. We also
compare our results with Gaussian filtering (GF) and show that while GF results
for areas can yield slightly higher accuracies, our results outperform GF for
surface profiles. We further show that our automatic threshold selection has
significant advantages in terms of computational time as evidenced by
decreasing the number of mode computations by an order of magnitude compared to
the heuristic thresholding for DCT.
- Abstract(参考訳): 表面粗さとテクスチャは、エンジニアリングコンポーネントの機能性能に不可欠である。
加工や表面機械処理などの多くの表面生成プロセスにおいて表面品質を確保するためには, 粗さやテクスチャを効果的かつ効率的に解析する能力が必要である。
離散ウェーブレット変換(dwt)と離散コサイン変換(dct)は、表面粗さとテクスチャ解析によく用いられる2つの信号分解ツールである。
どちらの方法も、与えられた表面を3つの主成分(形、和らぎ、粗さ)に分解する閾値を選択する必要がある。
しかし、DWTとDCTはISOサーフェスフィニッシュ標準の一部であるものの、これらのしきい値の計算方法に関する体系的なガイダンスは存在せず、ケースベースでしばしば手動で選択される。
これにより、これらの手法をユーザの判断に依存する表面の研究に利用し、自動化の可能性を制限することができる。
そこで,情報理論と信号エネルギーに基づく2つの自動しきい値選択アルゴリズムを提案する。
我々は機械学習を用いて、シミュレーションされた表面と、人工表面のデジタル顕微鏡画像の両方を用いて、アルゴリズムの成功を検証する。
具体的には,各表面積やプロファイルの特徴ベクトルを生成し,教師付き分類を適用する。
本結果とヒューリスティックしきい値選択法を比較したところ, 平均精度は95%と良好であった。
また, この結果とGaussian filtering (GF) を比較し, 面積のGF値はわずかに高い精度を示すが, 表面プロファイルではGFよりも優れていた。
さらに,我々の自動しきい値選択は,DCTのヒューリスティックしきい値決定と比較して,モード計算の桁数を大幅に減らすことにより,計算時間の面で大きな利点があることを示した。
関連論文リスト
- Surface Normal Estimation with Transformers [11.198936434401382]
ノイズと密度の変動を考慮した点群から正規分布を正確に予測する変換器を提案する。
本手法は,合成形状データセットPCPNetと実世界の屋内シーンPCPNNの両方で最先端の性能を実現する。
論文 参考訳(メタデータ) (2024-01-11T08:52:13Z) - Sub-token ViT Embedding via Stochastic Resonance Transformers [54.84390340877745]
本稿では、事前学習したViTが空間量子化をどのように扱うかを改善する方法を提案する。
SRT(Stochastic Resonance Transformer)と呼ぶ。
SRTはどんな層でも、どんなタスクでも適用でき、微調整は不要である。
論文 参考訳(メタデータ) (2023-10-06T01:53:27Z) - Conformal Predictions Enhanced Expert-guided Meshing with Graph Neural
Networks [8.736819316856748]
本稿では,GNN(Graph Neural Networks)とエキスパートガイダンスを用いて,航空機モデルのためのCFDメッシュの自動生成を行う機械学習方式を提案する。
曲面分類のための2つの最先端モデルであるPointNet++とPointMLPより優れた3次元分割アルゴリズムを提案する。
また,3次元メッシュ分割モデルからCAD表面への射影予測を共形予測法を用いて提案する手法を提案する。
論文 参考訳(メタデータ) (2023-08-14T14:39:13Z) - Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。
我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
論文 参考訳(メタデータ) (2023-08-10T06:40:19Z) - Predicting Surface Texture in Steel Manufacturing at Speed [81.90215579427463]
亜鉛めっきおよび熱間圧延過程における鋼板の表面テクスチャの制御は,顧客要求を満たすために不可欠である。
本稿では,インラインレーザ反射計測から表面特性予測への変換精度向上のための機械学習の利用を提案する。
論文 参考訳(メタデータ) (2023-01-20T12:11:03Z) - HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper
Surfaces [54.77683371400133]
本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。
実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
論文 参考訳(メタデータ) (2022-10-13T16:39:53Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳(メタデータ) (2022-06-29T23:22:18Z) - Data-driven and Automatic Surface Texture Analysis Using Persistent
Homology [1.370633147306388]
合成表面の粗さレベルを分類するためのトポロジカルデータ解析(TDA)手法を提案する。
我々は、表面の形状に関する情報をカプセル化する永続化図を生成する。
次に、Carlsson座標、永続画像、テンプレート関数を用いて、各表面またはプロファイルの特徴行列を求める。
論文 参考訳(メタデータ) (2021-10-19T14:19:58Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳(メタデータ) (2021-02-15T10:37:52Z) - Deep Learning-based Prediction of Key Performance Indicators for
Electrical Machine [0.0]
データ支援,深層学習に基づくメタモデルを用いて,電気機械の設計を迅速かつ高精度に予測する。
その結果、高い予測精度を示し、最適化時間を最小化するためのディープラーニングに基づくメタモデルの妥当性を示す。
論文 参考訳(メタデータ) (2020-12-16T18:03:58Z)
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。