論文の概要: A Systematic Review of Available Datasets in Additive Manufacturing
- arxiv url: http://arxiv.org/abs/2401.15448v1
- Date: Sat, 27 Jan 2024 16:13:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 18:12:44.623927
- Title: A Systematic Review of Available Datasets in Additive Manufacturing
- Title(参考訳): 添加物製造における利用可能なデータセットの体系的検討
- Authors: Xiao Liu and Alessandra Mileo and Alan F. Smeaton
- Abstract要約: 視覚およびその他のセンサー技術を組み込んだその場監視により、追加製造プロセス中に広範なデータセットの収集が可能になる。
これらのデータセットは、製造された出力の品質を判断し、機械学習を使用して欠陥を検出する可能性がある。
本稿では,AMプロセスから派生したオープン画像ベースデータセットの利用可能性について検討する。
- 参考スコア(独自算出の注目度): 56.684125592242445
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In-situ monitoring incorporating data from visual and other sensor
technologies, allows the collection of extensive datasets during the Additive
Manufacturing (AM) process. These datasets have potential for determining the
quality of the manufactured output and the detection of defects through the use
of Machine Learning during the manufacturing process. Open and annotated
datasets derived from AM processes are necessary for the machine learning
community to address this opportunity, which creates difficulties in the
application of computer vision-related machine learning in AM. This systematic
review investigates the availability of open image-based datasets originating
from AM processes that align with a number of pre-defined selection criteria.
The review identifies existing gaps among the current image-based datasets in
the domain of AM, and points to the need for greater availability of open
datasets in order to allow quality assessment and defect detection during
additive manufacturing, to develop.
- Abstract(参考訳): ビジュアルおよびその他のセンサー技術のデータを組み込んだその場監視により、加算製造(AM)プロセス中に広範なデータセットの収集が可能になる。
これらのデータセットは、製造プロセス中に機械学習を用いて、製造されたアウトプットの品質と欠陥の検出を決定する可能性を秘めている。
AMプロセスから派生したオープンデータセットと注釈付きデータセットは、機械学習コミュニティがこの機会に対処する必要がある。
この体系的なレビューは、多くの事前定義された選択基準に合致したamプロセスに由来するオープンイメージベースのデータセットの可用性を調査している。
このレビューでは、AMの領域における現在の画像ベースデータセット間の既存のギャップを特定し、追加製造における品質評価と欠陥検出を可能にするために、オープンデータセットの可用性の向上の必要性を指摘している。
関連論文リスト
- Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。
次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。
提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
論文 参考訳(メタデータ) (2023-11-22T22:15:17Z) - Integration of Domain Expert-Centric Ontology Design into the CRISP-DM
for Cyber-Physical Production Systems [63.62764375279861]
機械学習(ML)とデータマイニング(DM)の手法は、収集されたデータから複雑で隠れたパターンを抽出する上で有望であることが証明されている。
しかし、このようなデータ駆動プロジェクトは、通常、CRISPDM(Cross-Industry Standard Process for Data Mining)で実行され、データの理解と準備に要する時間の不均等さのために失敗することが多い。
このコントリビューションは、データサイエンティストがCPPSの課題に対してより迅速かつ確実に洞察を得ることができるように、統合されたアプローチを提供することを目的としている。
論文 参考訳(メタデータ) (2023-07-21T15:04:00Z) - Defect Classification in Additive Manufacturing Using CNN-Based Vision
Processing [76.72662577101988]
本稿では、まず、畳み込みニューラルネットワーク(CNN)を用いて、画像データセットの欠陥をAMから第2に正確に分類し、発達した分類モデルにアクティブラーニング技術を適用する。
これにより、トレーニングデータやトレーニングデータの生成に必要なデータのサイズを削減できる、ヒューマン・イン・ザ・ループ機構の構築が可能になる。
論文 参考訳(メタデータ) (2023-07-14T14:36:58Z) - Time-Series Pattern Recognition in Smart Manufacturing Systems: A
Literature Review and Ontology [3.5097082077065003]
本稿では,製造における時系列パターン認識の現状について,構造化された視点を提供する。
それは、実用的で実用的なガイドラインと、時系列分析の進歩のための推奨を提供することを目的としている。
論文 参考訳(メタデータ) (2023-01-29T17:18:59Z) - An adaptive human-in-the-loop approach to emission detection of Additive
Manufacturing processes and active learning with computer vision [76.72662577101988]
In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。
このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。
本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
論文 参考訳(メタデータ) (2022-12-12T15:11:18Z) - Deep Learning based pipeline for anomaly detection and quality
enhancement in industrial binder jetting processes [68.8204255655161]
異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。
本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
論文 参考訳(メタデータ) (2022-09-21T08:14:34Z) - Big Machinery Data Preprocessing Methodology for Data-Driven Models in
Prognostics and Health Management [0.0]
本稿では,複雑なシステムからの監視データの事前処理のための包括的,ステップバイステップパイプラインを提案する。
データ選択とラベル生成の文脈で専門家の知識の重要性を論じる。
検証のために2つのケーススタディが提示され、最終的な目標は、健全で不健康なラベルでクリーンなデータセットを作成することである。
論文 参考訳(メタデータ) (2021-10-08T17:10:12Z) - Data Curation and Quality Assurance for Machine Learning-based Cyber
Intrusion Detection [1.0276024900942873]
本稿では、まず、既存の機械学習ベースの侵入検知システムと、これらのシステム構築に使用されるデータセットを要約する。
実験結果から,BERT と GPT がすべてのデータセット上で HIDS に最適なアルゴリズムであることが示唆された。
そこで本論文では, HIDSデータセットが持つべき最高の特性を推定するために, 提案した品質次元に基づいて, 11データセットのデータ品質を評価する。
論文 参考訳(メタデータ) (2021-05-20T21:31:46Z) - Ensuring Dataset Quality for Machine Learning Certification [0.6927055673104934]
機械学習のコンテキストの特異性は適切に把握されず、ccountにも適用されないことを示す。
本稿では,鉄道領域からの信号認識システムに適用し,データセットの仕様と検証プロセスを提案する。
論文 参考訳(メタデータ) (2020-11-03T15:45:43Z)
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。