論文の概要: Evolutionary computing-based image segmentation method to detect defects and features in Additive Friction Stir Deposition Process

• arxiv url: http://arxiv.org/abs/2507.00046v1
• Date: Tue, 24 Jun 2025 10:45:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 22:56:23.374431
• Title: Evolutionary computing-based image segmentation method to detect defects and features in Additive Friction Stir Deposition Process
• Title（参考訳）: 進化的計算に基づく付加摩擦スター堆積法における欠陥・特徴検出のための画像分割法
• Authors: Akshansh Mishra, Eyob Mesele Sefene, Shivraman Thapliyal,
• Abstract要約: 本研究は, 付加摩擦スター堆積過程における音質解析のための進化的計算に基づく画像分割手法を提案する。 この手法は、勾配等級解析と距離変換を統合し、新しい注意重み付き可視化を作成する。 その結果,AFSD関節における不完全結合領域と不均一領域の同定に注意に基づく解析が有効であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This work proposes an evolutionary computing-based image segmentation approach for analyzing soundness in Additive Friction Stir Deposition (AFSD) processes. Particle Swarm Optimization (PSO) was employed to determine optimal segmentation thresholds for detecting defects and features in multilayer AFSD builds. The methodology integrates gradient magnitude analysis with distance transforms to create novel attention-weighted visualizations that highlight critical interface regions. Five AFSD samples processed under different conditions were analyzed using multiple visualization techniques i.e. self-attention maps, and multi-channel visualization. These complementary approaches reveal subtle material transition zones and potential defect regions which were not readily observable through conventional imaging. The PSO algorithm automatically identified optimal threshold values (ranging from 156-173) for each sample, enabling precise segmentation of material interfaces. The multi-channel visualization technique effectively combines boundary information (red channel), spatial relationships (green channel), and material density data (blue channel) into cohesive representations that quantify interface quality. The results demonstrate that attention-based analysis successfully identifies regions of incomplete bonding and inhomogeneities in AFSD joints, providing quantitative metrics for process optimization and quality assessment of additively manufactured components.
• Abstract（参考訳）: 本研究では,AFSDプロセスにおける音質解析のための進化的計算に基づく画像分割手法を提案する。 Particle Swarm Optimization (PSO) は多層AFSDビルドの欠陥や特徴を検出するための最適セグメンテーションしきい値を決定するために用いられた。 この手法は、勾配等級解析と距離変換を統合し、重要なインターフェイス領域をハイライトする新しい注意重み付き可視化を作成する。 異なる条件下で処理された5つのAFSDサンプルを複数の可視化技術、すなわち自己注意マップとマルチチャネル可視化を用いて分析した。 これらの相補的なアプローチは、従来のイメージングでは容易に観測できなかった微妙な物質遷移帯と潜在的な欠陥領域を明らかにする。 PSOアルゴリズムは試料ごとに最適なしきい値(156-173)を自動的に同定し、材料界面の正確なセグメンテーションを可能にした。 この多チャンネル可視化技術は, 境界情報(赤色チャネル), 空間的関係(緑色チャネル), 物質密度データ(青色チャネル)を, 界面品質を定量化する結合表現に効果的に結合する。 その結果, AFSD関節における不完全結合領域と不均一領域の同定に成功し, プロセス最適化および添加物の品質評価のための定量的指標が得られた。

関連論文リスト

• Breaking Spatial Boundaries: Spectral-Domain Registration Guided Hyperspectral and Multispectral Blind Fusion [14.285239151249193]
  近年,非登録ハイパースペクトル画像(HSIs)とマルチスペクトル画像(MSIs)の融合が注目されている。 登録問題に対処するため、既存のほとんどの手法では、MSIとの整合性を達成するためにHSI上の空間変換を採用している。 本稿では、スペクトル領域から登録問題に取り組むことを提案する。
  論文  参考訳（メタデータ） (2025-06-25T10:00:51Z)
• DCEvo: Discriminative Cross-Dimensional Evolutionary Learning for Infrared and Visible Image Fusion [58.36400052566673]
  赤外線および可視画像融合は、異なるスペクトルバンドからの情報を統合して画質を向上させる。 既存のアプローチでは、画像融合とそれに続くハイレベルなタスクを別プロセスとして扱う。 本稿では、視覚的品質と知覚精度を同時に向上させるDCEvoと呼ばれる識別的クロス次元進化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-22T07:01:58Z)
• A Multimodal Fusion Framework for Bridge Defect Detection with Cross-Verification [0.0]
  本稿では,橋梁欠陥の検出と解析のための多モード融合フレームワークを提案する。 非破壊的評価(NDE)技術と高度な画像処理を統合し、正確な構造評価を可能にする。
  論文  参考訳（メタデータ） (2024-12-23T20:33:34Z)
• Adaptive Signal Analysis for Automated Subsurface Defect Detection Using Impact Echo in Concrete Slabs [0.0]
  本研究は,コンクリートスラブの地下欠陥発生領域を検出するための,新しい,自動化された,スケーラブルな手法を提案する。 このアプローチは、高度な信号処理、クラスタリング、および視覚分析を統合して、地下の異常を識別する。 結果は方法論の堅牢性を示し、最小限の偽陽性とほとんど欠陥のない欠陥発生領域を一貫して同定した。
  論文  参考訳（メタデータ） (2024-12-23T20:05:53Z)
• Uncertainty-aware retinal layer segmentation in OCT through probabilistic signed distance functions [6.765624289092461]
  オプティカルコヒーレンス・トモグラフィー(OCT)スキャンにおける不確実性認識網膜層セグメンテーションの新しいアプローチを提案する。 本手法は、レベルセットを介して網膜層形状を効果的にパラメータ化する符号付き距離関数(SDF)を予測することにより、セグメンテーションを洗練する。 これにより、あいまいな入力、撮像ノイズ、信頼できないセグメンテーションが存在する場合でも、網膜層の堅牢な表現が保証される。
  論文  参考訳（メタデータ） (2024-12-06T10:44:11Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
  病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。 核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。 提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
  論文  参考訳（メタデータ） (2023-01-24T17:54:01Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。