fieldid
เขตข้อมูล | ข้อมูล |
บทคัดย่อ |
การคัดแยกโครงสร้างทางจุลภาคของโลหะที่ผ่านกรรมวิธีผงด้วยเทคนิคการประมวลผลข้อมูลภาพ และการเรียนรู้เชิงลึก : การประเมินลักษณะการหลอมรวมของเม็ดผงโลหะ (Sintering Neck) นั้นเป็นส่วนสำคัญที่
ใช้ในการบ่งบอกถึงคุณภาพของการขึ้นรูปชิ้นงานโลหะ ที่ผ่านการขึ้นรูปด้วยกรรมวิธีผง (Powder Metallurgy)
โดยวิเคราะห์จากลักษณะของรูพรุน ในภาพถ่ายโครงสร้างทางจุลภาคหลังการขึ้นรูป โดยในปัจจุบัน
การประเมินคุณภาพยังเป็นการวิเคราะห์ จากผู้เชี่ยวชาญเป็นหลัก โดยที่ยังไม่มีมาตรฐานอย่างชัดเจน
ทางผู้วิจัยได้เล็งเห็นถึงปัญหาและโอกาสที่สามารถนำการเรียนรู้เชิงลึกเข้ามาประยุกต์ใช้ใน
การแก้ไขปัญหา โดยใช้พื้นฐานของ CNN (Convolution Neural Network) โดยคัดเลือกมาทั้งหมด
5 อัลกอริทึม ได้แก่ ResNet-50, ResNet-101, Inception-v3, Xception และ GoogLeNet มาสร้าง
แบบจำลองในการประเมิน Sintering Neck ผ่านลักษณะของรูพรุนในภาพถ่ายโครงสร้างทางจุลภาค
โดยอาศัยรูปภาพที่ผ่านการประเมินจากผู้เชี่ยวชาญทางด้านโลหะวิทยา จำนวน 3 คน มาเป็นต้นแบบ
ในการสร้างแบบจำลองการเรียนรู้ เพื่อเป็นแนวทางในการสร้างมาตรฐานการประเมินในอนาคต
จากวัตถุประสงค์งานวิจัยที่ต้องการสร้างแบบจำลอง Deep Learning เพื่อใช้การประเมิน
คุณภาพของ Sintering Neck จากรูพรุนในภาพถ่ายโครงสร้างจุลภาค โดยอาศัยการเรียนรู้จากผู้เชี่ยวชาญ
เป็นต้นแบบ สามารถทำได้ซึ่งแบบจำลองที่สร้างโดยผู้เชี่ยวชาญ 3 คน และสร้างจากชุดข้อมูลเอกฉันท์
นั้นให้ความแม่นยำมากที่สุด โดยมีค่าความแม่นยำอยู่ที่ 94.0-98.9% โดยที่แบบจำลองที่สร้างโดย
Inception-v3 จะได้ค่าความแม่นยำสูงที่สุด ส่วนแบบจำลองด้วย GoogLeNet นั้นไม่สามารถคัดแยก
ประเภทของรูพรุนได้
|
ผู้แต่ง |
|
ประเภทสิ่งพิมพ์ |
|
เลขหน้า |
151 |
หัวเรื่อง |
|
หัวเรื่อง |
|
เอกสารฉบับเต็ม |
Center of Academic Resource
Institute of Technology 1771/1, E Building, Fl. 2,
Pattanakarn Rd, Suan Luang, Bangkok, 10250