fieldid E-Thesis & Research สถาบันเทคโนโลยีไทย-ญี่ปุ่น
สืบค้น:

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