ترجمه فارسی مقاله یادگیری عمیق تعدیل‌شده با میرایی از نقص‌های منافذ در رادیوگرافی‌های دوبعدی پودرهای تولید افزایشی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Attenuation-adjusted deep learning of pore defects in 2D radiographs of additive manufacturing powders
عنوان مقاله به فارسی یادگیری عمیق تعدیل‌شده با میرایی از نقص‌های منافذ در رادیوگرافی‌های دوبعدی پودرهای تولید افزایشی
نویسندگان Andreas Bjerregaard, David Schumacher, Jon Sporring
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
دسته بندی موضوعات Computer Vision and Pattern Recognition,Machine Learning,Image and Video Processing,چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین , پردازش تصویر و فیلم ,
توضیحات Submitted 5 August, 2024; originally announced August 2024. , Comments: Implementation on https://github.com/yhsure/porosity , MSC Class: 68U10 (Primary) 68T45; 68T07; 94A08 (Secondary) ACM Class: I.4.6; I.4.1; J.2; I.2.10; I.5.4
توضیحات به فارسی ارسال شده در 5 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: اجرای در https://github.com/yhsure/porosity ، کلاس MSC: 68U10 (اولیه) 68T45 ؛68T07 ؛94A08 (ثانویه) کلاس ACM: I.4.6 ؛I.4.1 ؛J.2 ؛I.2.10 ؛I.5.4

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 480,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The presence of gas pores in metal feedstock powder for additive manufacturing greatly affects the final AM product. Since current porosity analysis often involves lengthy X-ray computed tomography (XCT) scans with a full rotation around the sample, motivation exists to explore methods that allow for high throughput -- possibly enabling in-line porosity analysis during manufacturing. Through labelling pore pixels on single 2D radiographs of powders, this work seeks to simulate such future efficient setups. High segmentation accuracy is achieved by combining a model of X-ray attenuation through particles with a variant of the widely applied UNet architecture; notably, F1-score increases by $11.4%$ compared to the baseline UNet. The proposed pore segmentation is enabled by: 1) pretraining on synthetic data, 2) making tight particle cutouts, and 3) subtracting an ideal particle without pores generated from a distance map inspired by Lambert-Beers law. This paper explores four image processing methods, where the fastest (yet still unoptimized) segments a particle in mean $0.014s$ time with F1-score $0.78$, and the most accurate in $0.291s$ with F1-score $0.87$. Due to their scalable nature, these strategies can be involved in making high throughput porosity analysis of metal feedstock powder for additive manufacturing.

چکیده به فارسی (ترجمه ماشینی)

وجود منافذ گاز در پودر مواد غذایی فلزی برای تولید افزودنی تا حد زیادی بر محصول AM نهایی تأثیر می گذارد.از آنجا که تجزیه و تحلیل تخلخل فعلی غالباً شامل اسکن توموگرافی کامپیوتری با اشعه ایکس (XCT) با چرخش کامل در اطراف نمونه است ، انگیزه برای کشف روش هایی وجود دارد که امکان توان بالا را فراهم می کند-احتمالاً امکان تجزیه و تحلیل تخلخل درون خطی در هنگام ساخت.این کار از طریق برچسب زدن پیکسل های منافذ در رادیوگرافی 2D تک پودرها ، به دنبال شبیه سازی چنین تنظیمات کارآمد آینده است.دقت تقسیم بندی بالا با ترکیب یک مدل از میرایی اشعه ایکس از طریق ذرات با یک نوع از معماری Unet که به طور گسترده کاربردی اعمال می شود ، حاصل می شود.نکته قابل توجه ، نمره F1 در مقایسه با Unet پایه ، 11.4 $ $ افزایش می یابد.تقسیم بندی منافذ پیشنهادی توسط: 1) پیش بینی بر روی داده های مصنوعی ، 2) برش ذرات محکم و 3) تفریق یک ذره ایده آل بدون منافذ تولید شده از نقشه از راه دور با الهام از قانون لامبرت-بیر فعال شده است.در این مقاله به بررسی چهار روش پردازش تصویر ، که در آن سریعترین (در عین حال هنوز بهینه سازی نشده) ذره ای با میانگین 0.014s $ با نمره F1 0.78 $ و دقیق ترین در 0.291s $ با F1-Score 0.87 $ $ بررسی شده است.با توجه به ماهیت مقیاس پذیر آنها ، این استراتژی ها می توانند در ساخت تجزیه و تحلیل تخلخل با توان بالا پودر مواد غذایی فلزی برای تولید افزودنی نقش داشته باشند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.