Журнал науки о ядерной энергетике и технологиях производства электроэнергии

Técnica de aprendizaje automático para el sistema de clasificación de imágenes basado en ensamblajes

Ambuj Kumar Agarwal, D. Angeline Ranjithamani, Pavithra M, A. Velayudham, Anandaraj Shunmugam y Mohammed Ismail B

La fabricación aditiva, o impresión 3D, es una innovación vital en los procesos de producción de campo. Además, la decisión de cambiar el relleno sin influir en el exterior crea una vulnerabilidad diferente para las tecnologías de impresión 3D. Esta investigación incluye una cláusula para identificar problemas de relleno fraudulentos en el objeto impreso: 1) buscar fallas maliciosas en el proceso de impresión 3D, 2) eliminar valores atípicos de las fotos del método de impresión 3D modelado y 3) realizar una prueba de detección de objetos con una muestra del conjunto de prueba sin relleno y otro grupo de conjunto de prueba reforzado con fallas del proceso de impresión 3D. Capa por capa, las fotos se recopilan desde la perspectiva isométrica de la pantalla del modelo del programa. Los datos extraídos se proporcionan a los algoritmos desarrollados, el método Naive Bayes y los árboles de decisión J48. Entre ellos, el método Naive Bayes muestra una tasa de precisión más alta del 86%, y los árboles de decisión J48 muestran una precisión del 96%.