論文の概要: Automated Segmentation and Analysis of Microscopy Images of Laser Powder Bed Fusion Melt Tracks
- arxiv url: http://arxiv.org/abs/2409.18326v2
- Date: Tue, 1 Oct 2024 16:46:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-06 07:00:37.287384
- Title: Automated Segmentation and Analysis of Microscopy Images of Laser Powder Bed Fusion Melt Tracks
- Title（参考訳）: レーザー粉末層融合融解軌道の顕微鏡像の自動分離と解析
- Authors: Aagam Shah, Reimar Weissbach, David A. Griggs, A. John Hart, Elif Ertekin, Sameh Tawfick,
- Abstract要約: 断面画像から溶融トラック次元を自動的に識別し,計測する画像分割ニューラルネットワークを提案する。
我々は、U-Netアーキテクチャを用いて、異なる研究室、機械、材料から得られた62個の事前ラベル付き画像のデータセットと、画像拡張を併用したトレーニングを行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: With the increasing adoption of metal additive manufacturing (AM), researchers and practitioners are turning to data-driven approaches to optimise printing conditions. Cross-sectional images of melt tracks provide valuable information for tuning process parameters, developing parameter scaling data, and identifying defects. Here we present an image segmentation neural network that automatically identifies and measures melt track dimensions from a cross-section image. We use a U-Net architecture to train on a data set of 62 pre-labelled images obtained from different labs, machines, and materials coupled with image augmentation. When neural network hyperparameters such as batch size and learning rate are properly tuned, the learned model shows an accuracy for classification of over 99% and an F1 score over 90%. The neural network exhibits robustness when tested on images captured by various users, printed on different machines, and acquired using different microscopes. A post-processing module extracts the height and width of the melt pool, and the wetting angles. We discuss opportunities to improve model performance and avenues for transfer learning, such as extension to other AM processes such as directed energy deposition.
- Abstract（参考訳）: 金属添加物製造(AM)の普及が進み、研究者や実践者は、印刷条件を最適化するためのデータ駆動アプローチに目を向けている。
メルトトラックの断面画像は、プロセスパラメータのチューニング、パラメータスケーリングデータの作成、欠陥の特定に有用な情報を提供する。
ここでは,断面画像から溶融トラック次元を自動的に識別し,測定する画像分割ニューラルネットワークを提案する。
我々は、U-Netアーキテクチャを用いて、異なる研究室、機械、材料から得られた62個の事前ラベル付き画像のデータセットと、画像拡張を併用したトレーニングを行う。
バッチサイズや学習率などのニューラルネットワークハイパーパラメータを適切に調整すると、学習モデルは99%以上、F1スコア90%以上の精度を示す。
ニューラルネットワークは、さまざまなユーザによってキャプチャされ、異なるマシンに印刷され、異なる顕微鏡を使用して取得された画像でテストされるとき、堅牢性を示す。
後処理モジュールは、溶融プールの高さと幅と湿潤角度を抽出する。
本稿では, 指向性エネルギー沈着などの他のAMプロセスへの拡張など, モデル性能向上の機会と伝達学習への道について論じる。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。
最初はFlyTracingという名前のデータセットを構築しました。
本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
論文 参考訳（メタデータ） (2024-01-05T19:45:12Z) - Tool Wear Segmentation in Blanking Processes with Fully Convolutional
Networks based Digital Image Processing [0.0]
本稿では,600spmのツールの高解像度画像を,セマンティックセグメンテーション深層学習アルゴリズムを用いてキャプチャし,処理する方法を示す。
125,000枚のツールの画像が連続するストロークから撮影され、顕微鏡画像が観察され、摩耗面を観察する。
論文 参考訳（メタデータ） (2023-10-06T11:40:16Z) - 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) - Optimizations of Autoencoders for Analysis and Classification of
Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。
分析するデータには教師なし学習モデルが必要です。
論文 参考訳（メタデータ） (2023-04-19T13:45:28Z) - AMIGO: Sparse Multi-Modal Graph Transformer with Shared-Context
Processing for Representation Learning of Giga-pixel Images [53.29794593104923]
本稿では,スライド病理像全体に対する共有コンテキスト処理の新たな概念を提案する。
AMIGOは、組織内のセルラーグラフを使用して、患者に単一の表現を提供する。
我々のモデルは、データの20%以下で同じ性能を達成できる程度に、欠落した情報に対して強い堅牢性を示す。
論文 参考訳（メタデータ） (2023-03-01T23:37:45Z) - Combining Variational Autoencoders and Physical Bias for Improved
Microscopy Data Analysis [0.0]
本稿では,データ内の変数の因子を分散させる物理拡張機械学習手法を提案する。
本手法はNiO-LSMO, BiFeO3, グラフェンなど様々な材料に適用される。
その結果,大量の画像データから有意な情報を抽出する手法の有効性が示された。
論文 参考訳（メタデータ） (2023-02-08T17:35:38Z) - Development of an algorithm for medical image segmentation of bone
tissue in interaction with metallic implants [58.720142291102135]
本研究では,金属インプラントとの接触部における骨成長の計算アルゴリズムを開発した。
骨とインプラント組織はトレーニングデータセットに手動でセグメンテーションされた。
ネットワーク精度の面では、モデルは約98%に達した。
論文 参考訳（メタデータ） (2022-04-22T08:17:20Z) - Learning to automate cryo-electron microscopy data collection with
Ptolemy [4.6453787256723365]
低温電子顕微鏡(cryo-EM)は、生体高分子の近原・近原子分解能3次元構造を決定する主要な方法として登場した。
現在,高磁化Cryo-EMマイクログラフの収集には,パラメータの入力と手動チューニングが必要である。
そこで我々は,目的のアルゴリズムを用いて,低・中規模のターゲットを自動生成する最初のパイプラインを開発した。
論文 参考訳（メタデータ） (2021-12-01T22:39:28Z) - Blind microscopy image denoising with a deep residual and multiscale
encoder/decoder network [0.0]
深層マルチスケール畳み込みエンコーダデコーダニューラルネットワークを提案する。
提案されたモデルは、PSNRの平均38.38、SSIMの0.98の57458画像セットに到達した。
論文 参考訳（メタデータ） (2021-05-01T14:54:57Z) - Unsupervised machine learning via transfer learning and k-means
clustering to classify materials image data [0.0]
本稿では,画像分類のための高性能な教師なし機械学習システムの構築,利用,評価について述べる。
我々は、自然画像のImageNetデータセット上に事前訓練されたVGG16畳み込みニューラルネットワークを用いて、各マイクログラフの特徴表現を抽出する。
このアプローチは、99.4% pm 0.16%$の精度を実現し、結果として得られたモデルは、再トレーニングせずに、新しい画像の分類に使うことができる。
論文 参考訳（メタデータ） (2020-07-16T14:36:04Z)
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。