論文の概要: Attenuation-adjusted deep learning of pore defects in 2D radiographs of additive manufacturing powders
- arxiv url: http://arxiv.org/abs/2408.02427v1
- Date: Mon, 5 Aug 2024 12:34:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-06 13:37:05.814384
- Title: Attenuation-adjusted deep learning of pore defects in 2D radiographs of additive manufacturing powders
- Title（参考訳）: 添加性粉末の2次元ラジオグラフィーにおける細孔欠陥の減衰調整深層学習
- Authors: Andreas Bjerregaard, David Schumacher, Jon Sporring,
- Abstract要約: 添加剤製造用金属原料粉末中のガス細孔の存在は、最終AM生成物に大きな影響を及ぼす。
この研究は、単一の2次元粉体に細孔ピクセルをラベル付けすることで、このような将来の効率的なセットアップをシミュレートすることを目指している。
- 参考スコア（独自算出の注目度）: 0.20482269513546453
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The presence of gas pores in metal feedstock powder for additive manufacturing greatly affects the final AM product. Since current porosity analysis often involves lengthy X-ray computed tomography (XCT) scans with a full rotation around the sample, motivation exists to explore methods that allow for high throughput -- possibly enabling in-line porosity analysis during manufacturing. Through labelling pore pixels on single 2D radiographs of powders, this work seeks to simulate such future efficient setups. High segmentation accuracy is achieved by combining a model of X-ray attenuation through particles with a variant of the widely applied UNet architecture; notably, F1-score increases by $11.4\%$ compared to the baseline UNet. The proposed pore segmentation is enabled by: 1) pretraining on synthetic data, 2) making tight particle cutouts, and 3) subtracting an ideal particle without pores generated from a distance map inspired by Lambert-Beers law. This paper explores four image processing methods, where the fastest (yet still unoptimized) segments a particle in mean $0.014s$ time with F1-score $0.78$, and the most accurate in $0.291s$ with F1-score $0.87$. Due to their scalable nature, these strategies can be involved in making high throughput porosity analysis of metal feedstock powder for additive manufacturing.
- Abstract（参考訳）: 添加剤製造用金属原料粉末中のガス細孔の存在は、最終AM生成物に大きな影響を及ぼす。
現在のポロシティ分析では、試料をフル回転させたX線CTスキャン(英語版)が用いられることが多いため、製造中のインラインポロシティ分析を可能にするため、高いスループットを実現する方法を模索するモチベーションが存在する。
粉体の1つの2次元ラジオグラフに細孔のピクセルをラベル付けすることで、このような将来の効率的なセットアップをシミュレートする。
高セグメンテーション精度は、粒子によるX線減衰のモデルと広く応用されたUNetアーキテクチャの変種を組み合わせることで達成される。
提案した細孔セグメンテーションは以下の通りである。
1) 合成データによる事前学習
2 固い粒子カットアウトをし、
3) ランベルト・ビアス法則に着想を得た距離写像から生じる孔のない理想粒子を減算する。
本稿では,F1-score$0.78$,F1-score$0.87$の0.291s$の平均0.014s$で粒子を高速(未最適化)セグメント化する4つの画像処理手法について検討する。
スケーラブルな性質のため、これらの戦略は添加物製造のための金属原料粉末の高スループットポロシティ分析に関わっている。
関連論文リスト
- A versatile machine learning workflow for high-throughput analysis of supported metal catalyst particles [0.0]
ナノ粒子分析のための2段階人工知能(AI)駆動ワークフローを提案する。
この手法は、不均一触媒の透過電子顕微鏡(TEM)および走査TEM(STEM)画像に適用された。
NPの検出およびセグメント化におけるモデルの性能を各種触媒系で検証した。
論文 参考訳（メタデータ） (2024-10-02T03:50:01Z) - Estimating Pore Location of PBF-LB/M Processes with Segmentation Models [0.0]
本稿では,ガウス核密度推定を用いて単一層内における位置を推定する多孔性局所化手法を提案する。
これにより、セグメンテーションモデルは、その場監視データと細孔発生の導出確率分布との相関を学習することができる。
以上の結果から,本手法は最小限のデータ前処理を必要とする細孔の正確な局所化を可能にすると結論付けた。
論文 参考訳（メタデータ） (2024-08-05T14:31:09Z) - R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。
本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文 参考訳（メタデータ） (2024-05-31T08:39:02Z) - Accelerating Convergence of Score-Based Diffusion Models, Provably [44.11766377798812]
スコアベース拡散モデルはしばしばサンプリングフェーズで必要とされる広範な機能評価のためにサンプリング速度の低下に悩まされる。
我々は、一般的な決定論的(DDIM)および(DDPM)サンプリングを高速化する、新しいトレーニングフリーアルゴリズムを設計する。
我々の理論は、$ell$-accurate score estimatesを許容し、ターゲット分布に対数凹凸や滑らかさを必要としない。
論文 参考訳（メタデータ） (2024-03-06T17:02:39Z) - Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative
Models [49.81937966106691]
我々は拡散モデルのデータ生成過程を理解するための非漸近理論のスイートを開発する。
従来の研究とは対照的に,本理論は基本的だが多目的な非漸近的アプローチに基づいて開発されている。
論文 参考訳（メタデータ） (2023-06-15T16:30:08Z) - Boosting Fast and High-Quality Speech Synthesis with Linear Diffusion [85.54515118077825]
本稿では, 常微分方程式に基づく線形拡散モデル(LinDiff)を提案する。
計算複雑性を低減するため、LinDiffでは、入力信号を小さなパッチに分割するパッチベースの処理アプローチを採用している。
我々のモデルは、より高速な合成速度で自己回帰モデルに匹敵する品質の音声を合成することができる。
論文 参考訳（メタデータ） (2023-06-09T07:02:43Z) - Efficient displacement convex optimization with particle gradient
descent [57.88860627977882]
粒子勾配降下は確率測度の関数の最適化に広く用いられている。
本稿では, 有限個の粒子による粒子勾配降下について考察し, その理論的保証を定式化して, 測度に置換凸となる関数を最適化する。
論文 参考訳（メタデータ） (2023-02-09T16:35:59Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳（メタデータ） (2022-02-22T15:39:00Z) - Predicting Defects in Laser Powder Bed Fusion using in-situ Thermal
Imaging Data and Machine Learning [0.0]
レーザー粉末層融合過程における局所熱履歴の変化は微視的欠陥を引き起こす可能性がある。
本研究では, LPBFステンレス鋼材料の微細孔率を予測するため, その場熱画像データを用いた機械学習(ML)モデルを開発した。
論文 参考訳（メタデータ） (2021-12-16T21:25:16Z) - Fast Strain Estimation and Frame Selection in Ultrasound Elastography
using Machine Learning [5.50791468454604]
本研究では, 大規模トレーニングデータベースの変位場について主成分分析(PCA)を行い, 準静電エラストグラフィーで12の変位モードを学習する手法を提案する。
次に,GLobal Ultrasound Elastography (GLUE) 法を用いて正確な変位像を得る。
提案手法はPCA-GLUEと呼ばれ,初期変位マップの計算においてDPよりも10倍以上高速である。
論文 参考訳（メタデータ） (2021-10-16T21:35:20Z) - Sample and Computation Redistribution for Efficient Face Detection [137.19388513633484]
トレーニングデータサンプリングと計算分布戦略は、効率的で正確な顔検出の鍵です。
scrfdf34は、最高の競合製品であるTinaFaceを3.86%(ハードセットでのAP)で上回り、GPU上でVGA解像度画像でmph3$times$より高速です。
論文 参考訳（メタデータ） (2021-05-10T23:51:14Z)
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。