Mon compte
Ma liste - 0
Catalogue
Ressources numériques
Nouveautés
Liens utiles
Mon compte
Recherche rapide
Recherche avancée
Recherche alphabétique
Historique
Information
Recherche
Auteur
Titre
Sujet
Titre de revue
Collection
Cotes BU
Cotes ENSEA
Cotes IUFM
Modifier la recherche
>
CERGY
Elargir la recherche
Parcourir le catalogue
par auteur:
Kaftandjian , Valérie
Dakak , Abdel Rahman
Duvauchelle , Philippe
Affichage MARC
Auteur :
Kaftandjian , Valérie
Dakak , Abdel Rahman
Duvauchelle , Philippe
Titre :
Détection automatique de défauts en tomographie par intelligence artificielle , Valérie Kaftandjian, Abdel Rahman Dakak, Philippe Duvauchelle
Notes :
Référence de l'article : sf1500
Volume : Base documentaire : TIP085WEB
Publié dans : Techniques de l'ingénieur. Industrie du futur
Date de publication : 10/09/2022
La tomographie industrielle à rayons X est reconnue comme une méthode d'inspection efficace des pièces moulées en alliage léger. Cependant, les images contiennent des artefacts qui peuvent être confondus avec des défauts par les algorithmes de segmentation conventionnels. Une approche automatique a donc été développée en trois étapes : segmentation 2D des coupes tomographiques avec un réseau neuronal profond U-Net pour détecter les discontinuités; classification de ces discontinuités en vrais défauts ou fausses alarmes, à l'aide d'un réseau neuronal convolutif spécialement dédié ; localisation des défauts validés en 3D. Le choix de chaque modèle et les résultats d'apprentissage sont discutés, ainsi que les performances en termes de probabilité de détection et de taux de fausses alarmes.
URL:
https://www.techniques-ingenieur.fr/base-documentaire/innovation-th10/industrie-du-futur-outils-numeriques-42669210/detection-automatique-de-defauts-en-tomographie-par-intelligence-artificielle-sf1500/
https://doi.org/10.51257/a-v1-sf1500
Exemplaires
Pas de données exemplaires
Pour toute question,
contactez la bibliothèque
Horizon Information Portal 3.25_france_v1m© 2001-2019
SirsiDynix
Tous droits réservés.