Fugu-MT 論文翻訳(概要): A dataset of over one thousand computed tomography scans of battery cells

論文の概要: A dataset of over one thousand computed tomography scans of battery cells

arxiv url: http://arxiv.org/abs/2403.02527v2
Date: Tue, 12 Mar 2024 22:21:04 GMT
ステータス: 処理完了
システム内更新日: 2024-03-14 17:27:43.320709
Title: A dataset of over one thousand computed tomography scans of battery cells
Title（参考訳）: バッテリーの1万回以上のCT画像のデータセット細胞は
Authors: Amariah Condon, Bailey Buscarino, Eric Moch, William J. Sehnert, Owen Miles, Patrick K. Herring, Peter M. Attia
Abstract要約: 市販電池の1万点以上のトモグラフィー画像のデータセットを提示する。データセットは、さまざまな化学(リチウムイオンとナトリウムイオン)と、さまざまな電池形成因子にまたがる。製造の多様性とバッテリーの欠陥の存在は、このデータセットを通して観察することができる。
参考スコア（独自算出の注目度）: 0.01799235239767515
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Battery technology is increasingly important for global electrification efforts. However, batteries are highly sensitive to small manufacturing variations that can induce reliability or safety issues. An important technology for battery quality control is computed tomography (CT) scanning, which is widely used for non-destructive 3D inspection across a variety of clinical and industrial applications. Historically, however, the utility of CT scanning for high-volume manufacturing has been limited by its low throughput as well as the difficulty of handling its large file sizes. In this work, we present a dataset of over one thousand CT scans of as-produced commercially available batteries. The dataset spans various chemistries (lithium-ion and sodium-ion) as well as various battery form factors (cylindrical, pouch, and prismatic). We evaluate seven different battery types in total. The manufacturing variability and the presence of battery defects can be observed via this dataset. This dataset may be of interest to scientists and engineers working on battery technology, computer vision, or both.
Abstract（参考訳）: バッテリー技術は、グローバルな電化努力にとってますます重要になっている。しかし、電池は小さな製造のバリエーションに非常に敏感であり、信頼性や安全性の問題を引き起こす可能性がある。電池品質管理のための重要な技術はCTスキャンであり、様々な臨床・工業分野で非破壊的な3D検査に広く利用されている。しかし、歴史的に、高ボリューム製造におけるCTスキャンの有用性は、そのスループットの低さと、大きなファイルサイズを扱うことの難しさによって制限されてきた。本研究では,製造済みの市販電池のCTスキャンを1万回以上行った。データセットは、様々な化学(リチウムイオンとナトリウムイオン)と、様々な電池形成因子(円筒、ポーチ、プリスマティック)にまたがる。合計7種類のバッテリについて検討した。製造の多様性とバッテリーの欠陥の存在は、このデータセットを通して観察することができる。このデータセットは、バッテリー技術、コンピュータビジョン、あるいはその両方に取り組んでいる科学者やエンジニアにとって興味深い。

関連論文リスト

BatSort: Enhanced Battery Classification with Transfer Learning for Battery Sorting and Recycling [42.453194049264646]
バッテリータイプ分類のための機械学習に基づくアプローチを導入し、アプリケーションにおけるデータ不足の問題に対処する。本研究では,大規模なデータセットに最適化された既存の知識を活用するために移動学習を適用したBatSortを提案する。実験の結果,BatSortの精度は平均92.1%,最大96.2%であった。
論文参考訳（メタデータ） (2024-04-08T18:05:24Z)
Towards Automatic Power Battery Detection: New Challenge, Benchmark Dataset and Baseline [70.30473488226093]
PBD(パワーバッテリ検出)と呼ばれる新しいタスクに関する総合的研究を行う。 X線画像から高密度陰極と陽極板のエンドポイントをローカライズし、電池の品質を評価することを目的としている。我々は,多次元協調ネットワーク(MDCNet)と呼ばれるPBDのための新しいセグメンテーションベースソリューションを提案する。
論文参考訳（メタデータ） (2023-12-05T06:18:38Z)
Your Battery Is a Blast! Safeguarding Against Counterfeit Batteries with Authentication [20.498545647363628]
偽造細胞は爆発や火災を引き起こす可能性があり、市場におけるその流行は、ユーザーが偽造細胞を検出するのを困難にしている。現在のバッテリ認証手法は、高度な偽造技術の影響を受けやすい。機械学習モデルを用いて,各セルの内部特性を利用する2つの新しい手法,DCAuthとEISthenticationを提案する。
論文参考訳（メタデータ） (2023-09-07T10:02:59Z)
A Mapping Study of Machine Learning Methods for Remaining Useful Life Estimation of Lead-Acid Batteries [0.0]
State of Health (SoH) と Remaining Useful Life (RUL) は、バッテリーシステムの予測保守、信頼性、寿命の向上に貢献している。本稿では,鉛蓄電池のSoHとRULを推定するための機械学習手法における最先端のマッピング研究について述べる。
論文参考訳（メタデータ） (2023-07-11T10:41:41Z)
A Deep Learning Approach Towards Generating High-fidelity Diverse Synthetic Battery Datasets [0.0]
高忠実度バッテリデータセットを合成するためのDeep Learningベースの手法をいくつか導入する。これらの強化された合成データセットは、バッテリー研究者がより良い推定モデルを構築するのに役立つ。
論文参考訳（メタデータ） (2023-04-09T05:41:21Z)
Data-Efficient Vision Transformers for Multi-Label Disease Classification on Chest Radiographs [55.78588835407174]
視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。 ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
論文参考訳（メタデータ） (2022-08-17T09:07:45Z)
CellDefectNet: A Machine-designed Attention Condenser Network for Electroluminescence-based Photovoltaic Cell Defect Inspection [67.99623869339919]
太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査員が手動で行っていることである。本研究では,機械駆動設計探索により設計した高効率アテンションコンデンサネットワークであるCellDefectNetを紹介する。発光画像を用いた太陽電池セルの多様性を示すベンチマークデータセット上で,セルデフェクトネットの有効性を実証した。
論文参考訳（メタデータ） (2022-04-25T16:35:19Z)
Data Driven Prediction of Battery Cycle Life Before Capacity Degradation [0.0]
本稿では,Kristen A. Seversonらが実施したデータと手法を用いて,研究チームが使用した方法論を探索する。基本的な取り組みは、機械学習技術が、バッテリー容量を正確に予測するために、早期ライフサイクルデータを使用するように訓練されているかどうかを確認することである。
論文参考訳（メタデータ） (2021-10-19T01:35:12Z)
Overcoming limited battery data challenges: A coupled neural network approach [0.0]
深層ニューラルネットワークを用いた時系列バッテリデータ拡張手法を提案する。あるモデルはバッテリ充電プロファイルを生成し、別のモデルはバッテリ放電プロファイルを生成する。その結果,バッテリーデータに制限がある場合の問題点を解消するために,本手法の有効性が示された。
論文参考訳（メタデータ） (2021-10-05T16:17:19Z)
Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文参考訳（メタデータ） (2020-10-20T08:36:51Z)
Universal Battery Performance and Degradation Model for Electric Aircraft [52.77024349608834]
電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
論文参考訳（メタデータ） (2020-07-06T16:10:54Z)

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。