Performance evaluation of CNN and R‑CNN based line by line analysis algorithms for fibre placement defect classification

Meister, Sebastian und Wermes, Mahdieu A. M. (2022) Performance evaluation of CNN and R‑CNN based line by line analysis algorithms for fibre placement defect classification. Production Engineering. Springer. doi: 10.1007/s11740-022-01162-7. ISSN 0944-6524.

PDF - Verlagsversion (veröffentlichte Fassung)
2MB

elib-URL des Eintrags:

https://elib.dlr.de/188673/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Performance evaluation of CNN and R‑CNN based line by line analysis algorithms for fibre placement defect classification

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Meister, Sebastian	Sebastian.Meister (at) dlr.de	https://orcid.org/0000-0002-8193-1143	NICHT SPEZIFIZIERT
Wermes, Mahdieu A. M.	Mahdieu.Wermes (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

30 September 2022

Erschienen in:

Production Engineering

Referierte Publikation:

Open Access:

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

DOI:

10.1007/s11740-022-01162-7

Verlag:

Springer

ISSN:

0944-6524

Status:

veröffentlicht

Stichwörter:

Recurrent neural networks, Automated fibre placement, Inline inspection, Generative adversarial networks, Laser line scan sensor

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Luftfahrt

HGF - Programmthema:

Komponenten und Systeme

DLR - Schwerpunkt:

Luftfahrt

DLR - Forschungsgebiet:

L CS - Komponenten und Systeme

DLR - Teilgebiet (Projekt, Vorhaben):

L - Produktionstechnologien

Standort:

Stade

Institute & Einrichtungen:

Institut für Faserverbundleichtbau und Adaptronik > Verbundprozesstechnologien

Hinterlegt von:

Meister, Dr. Sebastian

Hinterlegt am:

17 Okt 2022 11:51

Letzte Änderung:

28 Jun 2023 13:03

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags