畳み込みニューラルネットワークを用いたドリルビットの異常音識別に関する基礎的検討

カテゴリ: 研究会(論文単位)

論文No: ST17017

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2017/06/10

タイトル(英語): Fundamental study on abnormal sound detection of drill bit using convolution neural network

著者名: 水野 駿(筑波大学),澁谷 長史(筑波大学),川村 洋平(秋田大学)

著者名(英語): Shun Mizuno(University of Tsukuba),Takeshi Shibuya(University of Tsukuba),Yohei Kawamura(University of Akita)

キーワード: 異常検知|深層学習|ドリルビット|掘削|Anomaly detection|Deep Learning|Drill bit|Drilling

要約(日本語): 掘削中のドリルのモニタリングが鉱業において必要とされている。本稿ではドリルビットの掘削音がひび割れ後と前で異なることから、音に着目してドリルビットのひび割れを検知する。掘削音には様々なノイズが入っているため、人手によってドリルビットの音響特徴を発見することが難しい。そこで本稿では畳み込みニューラルネットワークを用いて、ひび割れ時のドリルビットの識別を試みる。

要約(英語): Monitoring a drill during drilling is required on the mining industry. We focus on sound of drill to detect damaged drill bit because drilling sound is different after broken. In this paper, we try to detect the damaged drill bit by using convolution neural network.

原稿種別: 日本語

PDFファイルサイズ: 4,316 Kバイト