Fugu-MT 論文翻訳(概要): Automatic welding detection by an intelligent tool pipe inspection

論文の概要: Automatic welding detection by an intelligent tool pipe inspection

arxiv url: http://arxiv.org/abs/2503.08757v1
Date: Tue, 11 Mar 2025 15:52:28 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-13 15:35:22.970537
Title: Automatic welding detection by an intelligent tool pipe inspection
Title（参考訳）: インテリジェントツールパイプ検査による自動溶接検出
Authors: C J Arizmendi, W L Garcia, M A Quintero,
Abstract要約: この研究は、石油・ガスパイプラインにおけるスマート豚と呼ばれるインライン検査ツールを用いて得られた信号に基づいて、溶接認識における機械学習技術に基づくモデルを提供する。その結果,90～98%の効率で溶接を自動的に識別できることがわかった。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This work provide a model based on machine learning techniques in welds recognition, based on signals obtained through in-line inspection tool called smart pig in Oil and Gas pipelines . The model uses a signal noise reduction phase by means of preprocessing algorithms and attributeselection techniques. The noise reduction techniques were selected after a literature review and testing with survey data. Subsequently, the model was trained using recognition and classification algorithms, specifically artificial neural networks and support vector machines. Finally, the trained model was validated with different data sets and the performance was measured with cross validation and ROC analysis. The results show that is possible to identify welding automatically with an efficiency between 90 and 98 percent
Abstract（参考訳）: 本研究は,石油・ガスパイプラインにおけるスマート豚と呼ばれるインライン検査ツールを用いて得られた信号に基づいて,溶接認識における機械学習技術に基づくモデルを提供する。このモデルは前処理アルゴリズムと属性選択技術を用いて信号ノイズ低減フェーズを使用する。文献レビューと調査データによる検証の結果,ノイズ低減手法が選択された。その後、モデルは認識と分類アルゴリズム、特に人工知能ニューラルネットワークとサポートベクターマシンを用いて訓練された。最後に、トレーニングされたモデルを異なるデータセットで検証し、クロスバリデーションとROC分析を用いて性能を測定した。その結果,90～98%の効率で溶接を自動的に識別できることがわかった。

関連論文リスト

A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。工業画像から抽出した55個の特徴を統計的手法を用いて解析した。これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
論文参考訳（メタデータ） (2024-12-11T22:12:21Z)
Comparison of Tiny Machine Learning Techniques for Embedded Acoustic Emission Analysis [6.402381955787955]
本稿では,音響放射(AE)信号の分類のために,機械学習と異なる入力データ形式を比較した。 AE信号は多くの構造的健康モニタリングアプリケーションにおいて有望なモニタリング技術である。
論文参考訳（メタデータ） (2024-11-22T15:58:25Z)
Acoustic Signal Analysis with Deep Neural Network for Detecting Fault Diagnosis in Industrial Machines [0.0]
本研究では,産業機械が生み出す音声信号を分析するための深層学習システムについて検討した。提案手法の精度は97.17%から99.87%まで変化した。
論文参考訳（メタデータ） (2023-12-02T08:09:27Z)
Graph Neural Networks with Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data [69.25738064847175]
各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
論文参考訳（メタデータ） (2022-10-20T11:03:21Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
Model2Detector:Widening the Information Bottleneck for Out-of-Distribution Detection using a Handful of Gradient Steps [12.263417500077383]
アウト・オブ・ディストリビューション検出は、長いバニラニューラルネットワークを持つ重要な機能である。推論時間外分布検出の最近の進歩は、これらの問題のいくつかを緩和するのに役立つ。提案手法は,一般的な画像データセットにおける検出精度において,常に最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-02-22T23:03:40Z)
A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文参考訳（メタデータ） (2020-10-29T08:27:43Z)
Classification of Spot-welded Joints in Laser Thermography Data using Convolutional Neural Networks [52.661521064098416]
レーザサーモグラフィーデータから得られた画像を用いてスポット溶接の品質検査を行う手法を提案する。我々は畳み込みニューラルネットワークを用いて溶接品質を分類し、異なるモデルの性能を互いに比較する。
論文参考訳（メタデータ） (2020-10-24T20:38:12Z)
Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
論文参考訳（メタデータ） (2020-02-14T06:58:27Z)
Detection Method Based on Automatic Visual Shape Clustering for Pin-Missing Defect in Transmission Lines [1.602803566465659]
ボルトは送電線で最も多くのファスナーであり、分割ピンを失う傾向にある。タイムリーかつ効率的なトラブルシューティングを実現するために,伝送線路のボルトの自動ピン欠落検出を実現する方法は難しい問題である。本稿では、ピン欠落検出のためのAVSCNet(Automatic Visual Shape Clustering Network)と呼ばれる自動検出モデルを構築した。
論文参考訳（メタデータ） (2020-01-17T10:57:37Z)

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。