論文の概要: Explainable Computer Vision Framework for Automated Pore Detection and Criticality Assessment in Additive Manufacturing
- arxiv url: http://arxiv.org/abs/2602.03883v1
- Date: Tue, 03 Feb 2026 02:28:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-05 19:45:11.199229
- Title: Explainable Computer Vision Framework for Automated Pore Detection and Criticality Assessment in Additive Manufacturing
- Title（参考訳）: 添加物製造における自動細孔検出と臨界評価のための説明可能なコンピュータビジョンフレームワーク
- Authors: Akshansh Mishra, Rakesh Morisetty,
- Abstract要約: 内部ポロシティは、追加的に製造されたコンポーネントにおいて重要な欠陥モードのままである。
本研究では,細孔検出と臨界度評価のためのコンピュータビジョンフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.2864713389096699
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Internal porosity remains a critical defect mode in additively manufactured components, compromising structural performance and limiting industrial adoption. Automated defect detection methods exist but lack interpretability, preventing engineers from understanding the physical basis of criticality predictions. This study presents an explainable computer vision framework for pore detection and criticality assessment in three-dimensional tomographic volumes. Sequential grayscale slices were reconstructed into volumetric datasets, and intensity-based thresholding with connected component analysis identified 500 individual pores. Each pore was characterized using geometric descriptors including size, aspect ratio, extent, and spatial position relative to the specimen boundary. A pore interaction network was constructed using percentile-based Euclidean distance criteria, yielding 24,950 inter-pore connections. Machine learning models predicted pore criticality scores from extracted features, and SHAP analysis quantified individual feature contributions. Results demonstrate that normalized surface distance dominates model predictions, contributing more than an order of magnitude greater importance than all other descriptors. Pore size provides minimal influence, while geometric parameters show negligible impact. The strong inverse relationship between surface proximity and criticality reveals boundary-driven failure mechanisms. This interpretable framework enables transparent defect assessment and provides actionable insights for process optimization and quality control in additive manufacturing.
- Abstract（参考訳）: 内部ポロシティは、追加的に製造されたコンポーネントにおいて重要な欠陥モードであり、構造性能を向上し、産業採用を制限している。
自動欠陥検出手法は存在するが、解釈可能性に欠けており、技術者が臨界予測の物理的基礎を理解するのを妨げている。
本研究では,3次元トモグラフィボリュームにおける細孔検出と臨界度評価のためのコンピュータビジョンフレームワークを提案する。
連続したグレースケールスライスをボリュームデータセットに再構成し, 連結成分分析による強度ベースしきい値を用いて500個の細孔を同定した。
各孔は, 試料境界に対する大きさ, アスペクト比, 範囲, 空間位置を含む幾何学的記述子を用いて特徴づけられた。
パーセンタイルに基づくユークリッド距離基準を用いて細孔間ネットワークを構築し,24,950個の細孔間接続を得た。
機械学習モデルは抽出された特徴から多孔質臨界スコアを予測し、SHAP分析は個々の特徴の寄与を定量化した。
その結果、正規化表面距離がモデル予測を支配しており、他の記述子よりも桁違いに重要であることが示された。
細孔サイズは最小限の影響を与えるが、幾何学的パラメータは無視できる影響を示す。
表面近接と臨界との間の強い逆関係は境界駆動の故障機構を示す。
この解釈可能なフレームワークは、透過的な欠陥評価を可能にし、添加物製造におけるプロセス最適化と品質管理のための実用的な洞察を提供する。
関連論文リスト
- Causal Inference on Networks under Misspecified Exposure Mappings: A Partial Identification Framework [66.59051888063665]
ネットワーク上の因果推論のための新しい部分同定フレームワークを提案する。
露光マッピングの誤用下では, 直接的および漏出的効果に対して, 鋭い上下境界を導出する。
実験の結果, 境界は情報的であり, 露光写像の誤特定の下では信頼性の高い結論が得られた。
論文 参考訳（メタデータ） (2026-02-03T12:27:11Z) - Importance of localized dilatation and distensibility in identifying determinants of thoracic aortic aneurysm with neural operators [0.12491670910781398]
胸部大動脈瘤(TAA)は,大動脈壁への機械的・機械的破壊から生じる。
ここでは、有限要素フレームワークを用いて、数百の異種侮辱から合成TAAを生成する。
局所的な拡張と拡張性の空間マップを構築し、ニューラルネットワークをトレーニングし、組み合わせた侮辱の開始を予測する。
論文 参考訳（メタデータ） (2025-09-30T17:34:59Z) - Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。
標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
論文 参考訳（メタデータ） (2025-09-21T02:45:07Z) - Technical Report: Facilitating the Adoption of Causal Inference Methods Through LLM-Empowered Co-Pilot [44.336297829718795]
CATE-Bは,大規模言語モデル(LLM)をエージェントフレームワーク内で使用して,治療効果推定を通じてユーザを誘導する,オープンソースのコパイロットシステムである。
CATE-B は (i) 因果発見と LLM に基づくエッジオリエンテーションによる構造因果モデルの構築、 (ii) 因果構造とデータセット特性に適合した適切な回帰方法を選択することによるロバストな調整セットの同定を支援する。
論文 参考訳（メタデータ） (2025-08-14T12:20:51Z) - Explainable Artificial Intelligence Model for Evaluating Shear Strength Parameters of Municipal Solid Waste Across Diverse Compositional Profiles [0.0]
本稿では,多様なプロファイル間の凝集度と摩擦角を評価するための新しい説明可能な知能(XAI)フレームワークを提案する。
提案モデルでは,多層パーセプトロンアーキテクチャとSHAP(SHapley Additive exPlanations)解析を統合した。
従来の勾配法に比べて予測精度は優れていた。
論文 参考訳（メタデータ） (2025-02-20T05:02:55Z) - 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) - Leveraging Digital Perceptual Technologies for Remote Perception and Analysis of Human Biomechanical Processes: A Contactless Approach for Workload and Joint Force Assessment [4.96669107440958]
本研究では,産業環境下での人間の動きの分析を目的とした,革新的なコンピュータビジョンフレームワークを提案する。
このフレームワークは、人間の動作の包括的な精査を可能にし、運動パターンや運動データに関する貴重な洞察を提供する。
論文 参考訳（メタデータ） (2024-04-02T02:12:00Z) - Robustness in Deep Learning for Computer Vision: Mind the gap? [13.576376492050185]
我々は、コンピュータビジョンのためのディープラーニングにおいて、現在の定義と非敵対的堅牢性に向けての進歩を特定し、分析し、要約する。
この研究の分野は、敵対的機械学習に対して、不当にあまり注目されていないことがわかりました。
論文 参考訳（メタデータ） (2021-12-01T16:42:38Z) - SI-Score: An image dataset for fine-grained analysis of robustness to
object location, rotation and size [95.00667357120442]
オブジェクトの位置、回転、サイズを変えることは、非自明な方法で予測に影響を与える可能性がある。
合成データセットであるSI-Scoreを用いて,これらの変動要因に対するロバストネスのきめ細かい解析を行う。
論文 参考訳（メタデータ） (2021-04-09T05:00:49Z) - Machine Learning for Nondestructive Wear Assessment in Large Internal
Combustion Engines [0.8795040582681388]
既存の摩耗の定量化には, 検査ライナーの分解, 切断が必要である。
リニア表面の反射rgb画像から表面表現軸受荷重曲線の計算を可能にするディープラーニングフレームワークを提案する。
この目的のために、畳み込みニューラルネットワークを訓練し、対応する深さプロファイルの軸受荷重曲線を推定する。
論文 参考訳（メタデータ） (2021-03-15T16:01:17Z)
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。