ディープニューラルネットワークを用いた磁粉探傷試験におけるき裂形状推定に関する検討

カテゴリ: 研究会(論文単位)

論文No: MAG24163,MSS24086,BMS24051

グループ名: 【A】基礎・材料・共通部門 マグネティックス/【E】センサ・マイクロマシン部門 マイクロマシン・センサシステム/【E】センサ・マイクロマシン部門 バイオ・マイクロシステム合同研究会

発行日: 2024/12/16

タイトル(英語): A Study on Crack Shape Estimation in Magnetic Particle Testing Using Deep Neural Network

著者名: 阪本 浩二(大阪産業大学),福岡 克弘(大阪産業大学)

著者名(英語): Koji Sakamoto(Osaka Sangyo University),Katsuhiro Fukuoka(Osaka Sangyo University)

キーワード: ディープニューラルネットワーク|磁粉探傷試験|磁粉模様|磁粉幅|磁粉高さ|き裂形状|Deep Neural Network|Magnetic Particle Testing|Magnetic Particle Indication|Magnetic Particle Width|Magnetic Particle Height|Crack Shape

要約(日本語): 本研究では，磁粉探傷試験により得られた磁粉形状（幅・高さ）から，き裂形状（幅・深さ）を定量的に評価する深層学習モデルについて検討した．ディープニューラルネットワークを用いて「磁粉幅および高さ」と「き裂幅および深さ」の関係を学習した結果，良好な推定性能が得られた．

要約(英語): In this study, a deep learning model for the quantitative evaluation of crack shape (width and depth) based on magnetic particle indications (width and height) resulting from magnetic particle testing was examined. A deep neural network was used to learn the relationship between the “magnetic particle width and height” and “crack width and depth,” and good estimation performance was obtained.

本誌: 2024年12月19日-2024年12月20日マグネティックス/マイクロマシン・センサシステム/バイオ・マイクロシステム合同研究会-2

本誌掲載ページ: 27-32 p

原稿種別: 日本語

PDFファイルサイズ: 1,311 Kバイト