{"product_id":"ieej-bta2025-4-c-a1-5","title":"磁粉探傷試験におけるき裂形状推定を目的としたDNNモデルの検証","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ：\u003c\/strong\u003e部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No：\u003c\/strong\u003e4-C-a1-5\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名：\u003c\/strong\u003e【A】令和７年電気学会基礎・材料・共通部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日：\u003c\/strong\u003e2025\/8\/27\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語)：\u003c\/strong\u003e\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名：\u003c\/strong\u003e阪本 浩二(大阪産業大学)，福岡 克弘(大阪産業大学)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語)： \u003c\/strong\u003e\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード：\u003c\/strong\u003e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\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語)：\u003c\/strong\u003e本研究では,磁粉探傷試験により得られた磁粉形状データを用いて,強磁性材料に存在するき裂の形状を推定する機械学習モデルを構築した. 学習の入力データには,先行研究により得られた磁粉幅および高さの形状データと磁化角度を用い,正解データには試験材料のき裂幅および深さの測定値を用いた.これらのデータセットを用いて,ニューラルネットワークにより機械学習を行いネットワークの多層化について検討し,多重線形回帰と比較検証した.その結果,レイヤー構成の最適化によりモデル性能が向上し,特に材料破壊に関連するき裂深さ推定において高精度な結果が得られることを確認した.\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ：\u003c\/strong\u003e620Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 6","offer_id":49643115053295,"sku":"IEEJ-BTA2025-4-C-a1-5-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_bumontaikai_67a104a2-6c58-488d-9542-ad251d0a3798.png?v=1780542277","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-bta2025-4-c-a1-5","provider":"電気学会 電子図書館","version":"1.0","type":"link"}