論文の概要: Demonstrating the Suitability of Neuromorphic, Event-Based, Dynamic Vision Sensors for In Process Monitoring of Metallic Additive Manufacturing and Welding

• arxiv url: http://arxiv.org/abs/2411.13108v1
• Date: Wed, 20 Nov 2024 08:06:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-21 16:09:55.667580
• Title: Demonstrating the Suitability of Neuromorphic, Event-Based, Dynamic Vision Sensors for In Process Monitoring of Metallic Additive Manufacturing and Welding
• Title（参考訳）: 金属添加物製造・溶接のプロセスモニタリングにおけるニューロモルフィック・イベントベースダイナミックビジョンセンサの適合性について
• Authors: David Mascareñas, Andre Green, Ashlee Liao, Michael Torrez, Alessandro Cattaneo, Amber Black, John Bernardin, Garrett Kenyon,
• Abstract要約: イベント駆動型イメージラは、約120dBの非常に高いダイナミックレンジを持つ。 従来の8ビットイメージ器は、48dB程度のダイナミックレンジしか持たない。 イベントベースのイメージアは、100 musの順序で、タイムスケールでデータをキャプチャすることができる。
• 参考スコア（独自算出の注目度）: 34.82692226532414
• License:
• Abstract: We demonstrate the suitability of high dynamic range, high-speed, neuromorphic event-based, dynamic vision sensors for metallic additive manufacturing and welding for in-process monitoring applications. In-process monitoring to enable quality control of mission critical components produced using metallic additive manufacturing is of high interest. However, the extreme light environment and high speed dynamics of metallic melt pools have made this a difficult environment in which to make measurements. Event-based sensing is an alternative measurement paradigm where data is only transmitted/recorded when a measured quantity exceeds a threshold resolution. The result is that event-based sensors consume less power and less memory/bandwidth, and they operate across a wide range of timescales and dynamic ranges. Event-driven driven imagers stand out from conventional imager technology in that they have a very high dynamic range of approximately 120 dB. Conventional 8 bit imagers only have a dynamic range of about 48 dB. This high dynamic range makes them a good candidate for monitoring manufacturing processes that feature high intensity light sources/generation such as metallic additive manufacturing and welding. In addition event based imagers are able to capture data at timescales on the order of 100 {\mu}s, which makes them attractive to capturing fast dynamics in a metallic melt pool. In this work we demonstrate that event-driven imagers have been shown to be able to observe tungsten inert gas (TIG) and laser welding melt pools. The results of this effort suggest that with additional engineering effort, neuromorphic event imagers should be capable of 3D geometry measurements of the melt pool, and anomaly detection/classification/prediction.
• Abstract（参考訳）: 本研究では,高ダイナミックレンジ,高速,ニューロモルフィックなイベントベース,動的視覚センサの金属添加物製造およびプロセス内モニタリングへの適用性を示す。 金属添加物製造によるミッションクリティカルな部品の品質管理を可能にするプロセス内監視が重要である。 しかし、金属溶湯プールの極端光環境と高速力学により、測定が難しい環境となっている。 イベントベースセンシングは、測定量が閾値分解能を超える場合にのみデータが送信/記録される、別の測定パラダイムである。 その結果、イベントベースのセンサーは、電力を消費し、メモリ/バンド幅を減らし、幅広い時間スケールとダイナミックレンジで作動する。 イベント駆動型画像処理装置は, 従来の画像処理技術と違い, ダイナミックレンジが約120dBである。 従来の8ビットイメージ器は、48dB程度のダイナミックレンジしか持たない。 この高ダイナミックレンジは、金属添加物製造や溶接などの高強度光源/世代を特徴とする製造プロセスの監視に適している。 さらに、イベントベースのイメージラは100 {\mu}sの順番でタイムスケールでデータをキャプチャできるため、金属製の溶融プールで高速なダイナミクスを捉えるのに魅力的である。 本研究は, タングステン不活性ガス(TIG)とレーザ溶融溶融プールを観測できることを実証した。 この研究の結果、さらなる工学的努力により、ニューロモルフィック・イベント・イメージラは溶融プールの3次元計測と異常検出・分類・予測が可能であることが示唆された。

関連論文リスト

• Unsupervised Multimodal Fusion of In-process Sensor Data for Advanced Manufacturing Process Monitoring [0.0]
  本稿では,製造プロセスにおけるマルチモーダルセンサデータ融合に対する新しいアプローチを提案する。 我々は、ラベル付きデータなしで異なるデータモダリティを相関付けるために、対照的な学習手法を活用している。 本手法は,プロセス制御,異常検出,品質保証などの下流タスクを容易にする。
  論文  参考訳（メタデータ） (2024-10-29T21:52:04Z)
• Scaling Wearable Foundation Models [54.93979158708164]
  センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。 最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。 この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
  論文  参考訳（メタデータ） (2024-10-17T15:08:21Z)
• DailyDVS-200: A Comprehensive Benchmark Dataset for Event-Based Action Recognition [51.96660522869841]
  DailyDVS-200は、イベントベースのアクション認識コミュニティに適したベンチマークデータセットである。 実世界のシナリオで200のアクションカテゴリをカバーし、47人の参加者によって記録され、22,000以上のイベントシーケンスで構成されている。 DailyDVS-200には14の属性がアノテートされており、記録されたアクションの詳細なキャラクタリゼーションが保証されている。
  論文  参考訳（メタデータ） (2024-07-06T15:25:10Z)
• TDIP: Tunable Deep Image Processing, a Real Time Melt Pool Monitoring Solution [3.7654908672182072]
  製造プロセス中のメルトプール(MP)シグネチャには、プロセスのダイナミクスと品質に関する重要な情報が含まれている。 この情報を得るために、高速カメラベースの視覚モジュールのような様々な感覚的アプローチがオンライン製造監視に用いられている。 本稿では,Tunable Deep Image Processing (TDIP) 方式の実装を提案する。
  論文  参考訳（メタデータ） (2024-03-26T21:47:24Z)
• DynaMoN: Motion-Aware Fast and Robust Camera Localization for Dynamic Neural Radiance Fields [71.94156412354054]
  動的ニューラルラジアンス場(DynaMoN)の高速かつロバストなカメラ位置推定法を提案する。 DynaMoNは、初期のカメラポーズ推定と高速で正確なノベルビュー合成のための静的集光線サンプリングのために動的コンテンツを処理している。 我々は,TUM RGB-DデータセットとBONN RGB-D Dynamicデータセットの2つの実世界の動的データセットに対するアプローチを広く評価した。
  論文  参考訳（メタデータ） (2023-09-16T08:46:59Z)
• On the Generation of a Synthetic Event-Based Vision Dataset for Navigation and Landing [69.34740063574921]
  本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。 我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。 パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
  論文  参考訳（メタデータ） (2023-08-01T09:14:20Z)
• High-precision and low-latency widefield diamond quantum sensing with neuromorphic vision sensors [17.98109004256033]
  ニューロモルフィック視覚センサは、検出された信号を、量子センシングのための光学的に検出された磁気共鳴測定で前処理する。 市販のイベントカメラを用いた実験では、時間分解能が13倍向上した。 開発は、高精度で低遅延の広視野量子センシングのための新しい洞察を提供する。
  論文  参考訳（メタデータ） (2023-06-25T02:37:44Z)
• Noise-Adaptive Intelligent Programmable Meta-Imager [0.0]
  本稿では,異なる種類のノイズに適応する,インテリジェントなプログラム可能な計算メタイメージングを提案する。 学習した照明パターンがノイズにどのように依存するかを研究する。 ノイズ適応型知的メタイメージングは、従来の擬似ランダム照明パターンよりも優れています。
  論文  参考訳（メタデータ） (2022-08-22T09:36:12Z)
• Neuromorphic Camera Denoising using Graph Neural Network-driven Transformers [3.805262583092311]
  ニューロモルフィック・ビジョン(Neuromorphic vision)は、コンピュータビジョンコミュニティのパラダイムシフトを引き起こしたバイオインスパイアされた技術である。 ニューロモルフィックカメラは、かなりの量の計測ノイズに悩まされている。 このノイズは、ニューロモルフィック事象に基づく知覚とナビゲーションアルゴリズムの性能を劣化させる。
  論文  参考訳（メタデータ） (2021-12-17T18:57:36Z)
• Photon detection probability prediction using one-dimensional generative neural network [62.997667081978825]
  本論文では,OuterProduct-layer を用いて特徴を効率よく生成する一次元生成モデルを提案する。 このモデルは光子輸送シミュレーションをバイパスし、特定の光子検出器によって検出された光子の数をGeant4simulationと同じレベルで予測する。 この生成モデルは、ProtoDUNEやDUNEのような巨大な液体アルゴン検出器の光子検出確率を迅速に予測するために用いられる。
  論文  参考訳（メタデータ） (2021-09-11T01:43:12Z)

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。