Defect Classification in Additive Manufacturing Using CNN-Based Vision Processing

要約

コンピューター ビジョンと視覚センサーを使用した現場モニタリングの開発により、積層造形 (AM) プロセスから大規模なデータセットを収集できるようになります。
このようなデータセットを機械学習技術と併用して、AM の品質を向上させることができます。
このペーパーでは、2 つのシナリオを検討します。1 つは畳み込みニューラル ネットワーク (CNN) を使用して AM からの画像データセット内の欠陥を正確に分類するシナリオで、2 番目は開発された分類モデルにアクティブ ラーニング技術を適用するシナリオです。
これにより、人間参加型メカニズムを構築して、トレーニングとトレーニング データの生成に必要なデータのサイズを削減できます。

要約(オリジナル)

The development of computer vision and in-situ monitoring using visual sensors allows the collection of large datasets from the additive manufacturing (AM) process. Such datasets could be used with machine learning techniques to improve the quality of AM. This paper examines two scenarios: first, using convolutional neural networks (CNNs) to accurately classify defects in an image dataset from AM and second, applying active learning techniques to the developed classification model. This allows the construction of a human-in-the-loop mechanism to reduce the size of the data required to train and generate training data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google