核能科学与发电技术学报

基于装配体的图像分类系统的机器学习技术

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

增材制造或 3D 打印是现场生产过程中的一项重要创新。此外，在不影响外部的情况下改变填充的决定为 3D 打印机技术带来了不同的漏洞。这项研究包括一项条款来识别打印对象中的欺诈性填充问题：1) 调查 3D 打印过程中的恶意故障，2) 从建模的 3D 打印机方法照片中删除异常值，3) 使用非填充测试集的一个样本和 3D 打印过程中的另一组故障强化测试集执行对象检测测试。从程序模型显示的等距视角逐层收集照片。提取的数据提供给开发的算法、朴素贝叶斯方法和 J48 决策树。其中，朴素贝叶斯方法的准确率较高，为 86%，J48 决策树的准确率为 96%。