지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
오류제보하기
Fracture surface contains many important information of machine fracture such as crack origin, direction, number of cycle, types and defects. By observing microscopic fracture surface, cause of fracture can be figured out. However it is difficult to pass on expertise and the number of those engineers is lately dicreased.
Recently, deep learning is popular because of 4th industrial revolution. Deep learning is widely used in the vision recognition. Moreover, Convolutional Neural Network(CNN) is a kind of deep learning and optimized to analyze visual imagery and it used to convergence with vision recognition and classification.
In this research, three kind of fracture surfaces are classified by using CNN. In order to improve classification accuracy, different number of filters are set and tested. And several times of image augmentation method is applied. Finally, 95% of classification accuracy is printed. Developed program can classify random microscopic fracture surface images.
Recently, deep learning is popular because of 4th industrial revolution. Deep learning is widely used in the vision recognition. Moreover, Convolutional Neural Network(CNN) is a kind of deep learning and optimized to analyze visual imagery and it used to convergence with vision recognition and classification.
In this research, three kind of fracture surfaces are classified by using CNN. In order to improve classification accuracy, different number of filters are set and tested. And several times of image augmentation method is applied. Finally, 95% of classification accuracy is printed. Developed program can classify random microscopic fracture surface images.
목차
ABSTRACT
1. Introduction
2. Theoretical background
3. Development of fracture surface classifying program
4. Accuracy improvement of microscopic fracture surface classifier
5. Conclusion
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
딥러닝 기반의 미소 파면 분류 프로그램 개발
한국기계가공학회 춘추계학술대회 논문집
2022 .04
-
A Machine Learning Program for Impact Fracture Analysis
한국기계가공학회지
2021 .01
-
기계학습에 의한 다축하중 파면 해석을 통한 파괴메커니즘 추정
한국기계가공학회 춘추계학술대회 논문집
2020 .06
-
Convolutional Neural Network를 이용한 파면해석 프로그램 개발
한국기계가공학회 춘추계학술대회 논문집
2020 .11
-
표면 결함 분류를 위한 적정 규모의 딥러닝 모델
전기학회논문지
2020 .12
-
K-means 알고리즘을 이용한 충격시험편 파면분석
한국기계가공학회 춘추계학술대회 논문집
2019 .10
-
Comparative Study on Various Ductile Fracture Models for Marine Structural Steel EH36
한국해양공학회지
2019 .06
-
Protocol for Recovery of a Rat Tibia Fracture through 3D-PrintedPLA-Scaffold Implantation
Journal of Chitin and Chitosan
2022 .09
-
A new method of multi-scale fracture identification in tight gas sandstone reservoir
Geosystem Engineering
2019 .01
-
합성곱 신경망 기반 회귀기법을 이용한 드롭웨이트 시편의 취성파면율 예측
대한기계학회 춘추학술대회
2020 .07
-
Plastic Deformation and Fracture Behavior of Ductile Material
한국트라이볼로지학회 학술대회
2021 .10
-
딥 러닝 기반의 전이 학습을 이용한 이미지 분류에 관한 연구
한국전자통신학회 논문지
2023 .06
-
Convolutional Neural Network 기반의 노면 분류 알고리즘 개발
한국자동차공학회 춘계학술대회
2022 .06
-
수정 응력 파괴변형률 모델의 파손 기준 변경을 통한 노치 C(T) 시편의 균열 개시 파괴 인성 예측
대한기계학회 춘추학술대회
2017 .11
-
3차원 파단 변형률 평면을 이용한 비보강 원판의 펀칭 파단 시뮬레이션
한국해양공학회지
2016 .12
-
Evaluation of fracture properties of ferritic stainless steel
한국소성가공학회 학술대회 논문집
2015 .10
-
다단계 수압파쇄균열 전파 모델링 연구
한국가스학회지
2015 .10
-
Effect of medium coarse aggregate on fracture properties of ultra high strength concrete
Structural Engineering and Mechanics, An Int＇l Journal
2021 .01
-
용접부 파괴안전성 향상에 관한 연구
대한용접학회 특별강연 및 학술발표대회 개요집
2018 .04
-
고강도강의 충격 인성과 파면 분석
한국기계가공학회 춘추계학술대회 논문집
2021 .12
이 논문의 저자 정보
최근 본 자료
댓글(0)
0