Journal de la science de l'énergie nucléaire et de la technologie de production d'électricité

Technique d'apprentissage automatique pour le système de classification d'images basé sur l'assemblage

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

La fabrication additive, ou impression 3D, est une innovation vitale dans les processus de production sur le terrain. De plus, la décision de changer le remplissage sans influencer l'extérieur crée une vulnérabilité différente pour les technologies d'impression 3D. Cette recherche comprend une clause pour identifier les problèmes de remplissage frauduleux dans l'objet imprimé : 1) rechercher les défauts malveillants dans le processus d'impression 3D, 2) supprimer les valeurs aberrantes des photos modélisées par la méthode d'impression 3D, et 3) effectuer un test de détection d'objet avec un échantillon de l'ensemble de tests sans remplissage et un autre groupe d'ensemble de tests renforcés par des défauts provenant du processus d'impression 3D. Couche par couche, les photos sont collectées à partir de la perspective isométrique de l'affichage du modèle de programme. Les données extraites sont fournies aux algorithmes développés, à la méthode Naive Bayes et aux arbres de décision J48. Parmi eux, la méthode Naive Bayes présente un taux de précision plus élevé de 86 %, et les arbres de décision J48 présentent une précision de 96 %.