การจำแนกโครงสร้างทางจุลภาคของอะลูมิเนียมผสมซิลิคอนหล่อด้วยเทคนิคโครงข่ายประสาทเทียมแบบคอนโวลูชันเชิงลึก
Conference proceedings article
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Nuti Taynawa, Sukan Manattavon and Phromphong Pandee
ปีที่เผยแพร่ (ค.ศ.): 2022
หน้าแรก: 432
หน้าสุดท้าย: 437
จำนวนหน้า: 6
บทคัดย่อ
โลหะอะลูมิเนียมผสมซิลิกอนได้ถูกนำมาใช้ในงานอุตสาหกรรมเป็นจำนวนมากเนื่องจากมีความสามารถในการไหลตัวที่ดี การเติมธาตุผสมเพื่อปรับโครงสร้างของซิลิคอนเฟสจากที่มีลักษณะเป็นแผ่นแหลมให้มีขนาดที่เล็กและมีลักษณะกลมมน ส่งผลทำให้โลหะมีสมบัติทางกลที่ดีขึ้น โดย American Foundry Society (AFS) ได้ทำการแบ่งระดับของการปรับโครงสร้างยูเทคติกซิลิกอน ผ่านการแสดงด้วยภาพโครงสร้างทางจุลภาค อย่างไรก็ตามการจำแนกระดับการปรับโครงสร้างยูเทคติกซิลิคอนต้องอาศัยผู้มีประสบการณ์ ซึ่งอาจก่อให้เกิดความผิดพลาดจากการจำแนกที่เกิดขึ้นโดยมนุษย์ได้ เพื่อแก้ไขปัญหาดังกล่าวข้างต้น การศึกษาวิจัยนี้จึงได้พัฒนาโครงข่ายประสาทเทียมแบบคอนโวลูชันเชิงลึก สำหรับการจำแนกระดับการปรับโครงสร้างยูเทคติกของโลหะอลูมิเนียมผสมซิลิคอนจากภาพโครงสร้างทางโลหะวิทยา และเมื่อทำการทดสอบประสิทธิภาพในการจำแนกพบว่า มีความแม่นยำในการจำแนกอยู่ที่ 93.54% ใน มีค่า Precision ค่า Recall และค่า F1-Score จากข้อมูลชุดทดสอบอยู่ที่ 0.9404, 0.9345 และ 0.9360 ตามลำดับ
คำสำคัญ
Aluminum alloy, Deep learning