論文の概要: A multi-task spatiotemporal deep neural network for predicting penetration depth and morphology in laser welding

• arxiv url: http://arxiv.org/abs/2606.26260v1
• Date: Wed, 24 Jun 2026 18:02:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.040823
• Title: A multi-task spatiotemporal deep neural network for predicting penetration depth and morphology in laser welding
• Title（参考訳）: レーザー溶接における浸透深度と形態を予測するマルチタスク時空間深部ニューラルネットワーク
• Authors: Sen Li, Haichao Cui, Chendong Shao, Yaqi Wang, Xinhua Tang,
• Abstract要約: 本稿では, 浸透状態, 深度, 海水形態を高精度に予測できる革新的な深層学習モデルを提案する。 監視プラットフォームは、レーザ溶接プロセス中に捕獲された溶接画像に依存している。 貫入状態の予測精度は99.35%に達し、貫入深さの予測誤差は1.79mmである。
• 参考スコア（独自算出の注目度）: 5.363800671164204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In laser penetration welding, the assessment of penetration state and weld seam morphology plays a crucial role in determining the weld quality. This paper presents a comprehensive introduction of the innovative muti-task deep learning model that has the capability to predict penetration state, depth, and weld seam morphology with high accuracy. The monitoring platform relies on weld pool images captured during the laser welding process using a complementary metal-oxide-semiconductor camera. The proposed model integrates spatiotemporal features extracted from top weld pool images along with welding parameters, establishing a deep learning framework based on convolutional neural networks and state space models for more efficient extraction and processing of spatial-temporal information. Furthermore, a reliable method for constructing the dataset is proposed to enhance both robustness and generalization capability of the developed model. Validation results on the test set demonstrate that prediction accuracy for penetration state can reach 99.35%, while prediction error for penetration depth is 1.79 millimeter, and accuracy of reconstructing the weld cross-section is 95.65%. This study provides new insights and methodologies for in-situ quality control strategies in laser penetration welding systems.
• Abstract（参考訳）: レーザ貫入溶接では, 溶接品質を決定する上で, 貫入状態と溶接シーム形態の評価が重要な役割を担っている。 本稿では, 浸透状態, 深度, 溶接シーム形態を高精度に予測できる, 革新的マルチタスク深層学習モデルを包括的に導入する。 監視プラットフォームは、相補的な金属-酸化物-半導体カメラを用いてレーザー溶接プロセス中に撮影された溶接プール画像に依存している。 提案モデルは,トップ溶接プール画像から抽出した時空間特性と溶接パラメータを統合し,畳み込みニューラルネットワークと状態空間モデルに基づくディープラーニングフレームワークを構築し,より効率的な時空間情報の抽出と処理を行う。 さらに, 信頼性の高いデータセット構築手法を提案し, 開発モデルの堅牢性と一般化能力の両立を図った。 試験セットの検証結果によると、貫入状態の予測精度は99.35%、貫入深さの予測誤差は1.79mm、溶接断面の復元精度は95.65%に達する。 本研究はレーザ貫入溶接システムにおけるその場品質制御戦略に関する新たな知見と方法論を提供する。

関連論文リスト

• Accurate identification and measurement of the precipitate area by two-stage deep neural networks in novel chromium-based alloys [43.18932499199212]
  クロム系超合金の開発には, 沈殿量率と粒径分布の効率的な測定が必要である。 従来の固定閾値画像処理は背景雑音に敏感であり、材料全体の一般化が不十分であり、手作業による測定がかなり必要である。 本研究では,TOLOv5とSegFormerをベースとしたエンドツーエンド2段階深層学習方式DT-SegNetを提案する。
  論文  参考訳（メタデータ） (2026-06-20T15:50:58Z)
• MaskTerial: A Foundation Model for Automated 2D Material Flake Detection [48.73213960205105]
  MaskTerialと呼ばれる深層学習モデルを提案する。このモデルでは、インスタンスセグメンテーションネットワークを用いて、2D素材のフレークを確実に識別する。 このモデルは、ラベルのないデータからリアルな顕微鏡画像を生成する合成データ生成装置を用いて、広範囲に事前訓練されている。 六方晶窒化ホウ素などの低コントラスト材料の検出において,既存の技術よりも顕著な改善が認められた。
  論文  参考訳（メタデータ） (2024-12-12T15:01:39Z)
• A Self-Supervised Robotic System for Autonomous Contact-Based Spatial Mapping of Semiconductor Properties [40.361306070887366]
  我々は、ロボットにドメインエキスパート測定の原則に従うように教えるコンタクトベースのロボットシステムに、自己監督型の自律性を構築する。 半導体光伝導性を特徴付けるために,4自由度ロボットプローブを24時間自律駆動することで,このアプローチの性能を実証する。
  論文  参考訳（メタデータ） (2024-11-15T02:36:36Z)
• Investigating the ability of deep learning to predict Welding Depth and Pore Volume in Hairpin Welding [0.0]
  本研究では,2つの臨界溶接部のキー性能特性(KPC)の予測を可能にする深層学習モデルを提案する。 DLネットワークを小さな数値実験ヘアピン溶接データセットに適用すると,有望な結果が得られた。
  論文  参考訳（メタデータ） (2023-12-04T03:38:17Z)
• Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
  我々はミネラルウールのための視覚品質管理システムを開発した。 ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。 我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
  論文  参考訳（メタデータ） (2022-11-01T13:58:02Z)
• 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)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)

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。