BriefGPT - AI 论文速递
·
In-Situ Melt Pool Characterization via Thermal Imaging for Defect Detection in Directed Energy Deposition
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究利用热成像技术和自监督学习分析定向能量沉积中的熔池数据，以检测内部缺陷（如孔隙和裂纹）。引入视觉变换器的掩蔽自编码器，准确率高达99.17%，展示了在有限标记数据下的自动化质量控制潜力。
🎯
关键要点
- 本研究关注定向能量沉积（DED）中的内部缺陷，如孔隙和裂纹，这些缺陷会影响机械性能。
- 采用自监督学习方法分析未标记的熔池数据，以提高缺陷检测和质量控制能力。
- 引入基于视觉变换器的掩蔽自编码器，准确率高达99.17%。
- 研究展示了在有限标记数据下实现自动化质量控制的可扩展性与成本效益。
➡️
