Detecting the extent of co-existing anomalies in additively manufactured metal matrix composites through explainable selection and fusion of multi-camera deep learning features

Process development for customised additively manufactured materials is challenging and labour-intensive. Advanced in-situ monitoring coupled with modern machine learning (ML) methods can expedite defect detection and qualification of additive manufacturing (AM) parts. Directed energy deposition (DE...

Mô tả đầy đủ

Chi tiết về thư mục

Những tác giả chính:	Mutahar Safdar, Gentry Wood, Max Zimmermann, Guy Lamouche, Priti Wanjara, Yaoyao Fiona Zhao
Định dạng:	Artigo
Ngôn ngữ:	Inglês
Được phát hành:	Taylor & Francis Group 2025-12-01
Loạt:	Virtual and Physical Prototyping
Những chủ đề:	Defect extent detection co-existing anomalies metal matrix composites explainable AI video transformer features
Truy cập trực tuyến:	https://www.tandfonline.com/doi/10.1080/17452759.2025.2515240
Các nhãn:	Thêm thẻ Không có thẻ, Là người đầu tiên thẻ bản ghi này!