ニューラルネットワークモデルを用いた航空機部品用成形工具タイプの分類のためのCADに基づくデータセット

科学分野:

• 工学
• コンピュータサイエンス
• 材料科学

背景:

• 航空機構造は、流動セルハイドロフォーミングを使用して製造されることが多いシートメタルコンポーネントに大きく依存しています。
• 特に多様な製造シナリオにおいて、成形工具タイプの分類は効率的な生産にとって重要です。

研究 の 目的:

• 航空機部品製造に使用される成形工具タイプの分類のための、CAD画像ベースの深層学習および機械学習モデルを開発および検証すること。
• これらのモデルのトレーニングと評価のための包括的なCAD画像データセットを作成すること。

主な方法:

• 公開ソースおよび生成ソースから12,432枚のCAD画像のデータセットが収集され、様々な視覚化モード（法線、隠線、ワイヤフレーム）と向きが特徴です。
• 画像は、フランジ形状に基づいて6つの工具タイプに分類されました。
• 畳み込みニューラルネットワーク（CNN）アーキテクチャと機械学習モデルの分類パフォーマンスを評価しました。

主要な成果:

• 法線視点とワイヤフレーム視点を用いたResNeXtモデルが、96%という最高の分類精度を達成しました。
• クラス間の不均衡を考慮するため、精度とF1スコアを用いてパフォーマンスをさらに評価しました。

結論:

• 開発されたCAD画像ベースのモデルは、航空機部品成形工具を分類するためのスケーラブルで費用対効果が高く、実用的なソリューションを提供します。
• このアプローチは、物理的なプロトタイプや特殊センサーの必要性を減らす、小規模・多品種製造環境に特に有益です。