计算机科学 > 机器学习
[提交于 2025年1月24日
]
标题: 凹印印刷中流体动力学图案形成的降阶建模与分类
标题: Reduced-order modeling and classification of hydrodynamic pattern formation in gravure printing
摘要: 在印刷和涂布过程中,流体力学图案形成现象仍然没有被完全理解。然而,基本的理解对于实现高质量的印刷产品以及根据特定应用(如印刷电子、图形印刷或生物医学印刷)的需求调整印刷图案至关重要。本文的目的是开发一种基于监督机器学习和降阶建模方法的自动化图案分类算法。我们使用了HYPA-p数据集,这是一个大型的凹版印刷图像图像数据集,展示了各种类型的流体力学图案形成现象。它首次实现了印刷工艺参数与最终印刷图案之间的相关性。HYPA-p数据集中的26880张图像由人工观察者标记为点图案、混合图案或手指状图案;864000张图像(97%)未标记。使用奇异值分解(SVD)来找到标记图像的模式,并通过截断和投影来降低整个数据集的维度。选择的机器学习分类技术在降阶数据上进行训练。我们研究了多个因素的影响,包括分类器的选择、是否使用快速傅里叶变换(FFT)对标记图像进行预处理、数据平衡和数据归一化。表现最好的模型是一个在不平衡、FFT变换数据上训练的k最近邻(kNN)分类器,测试误差为3%,比人工观察者高出7%。数据平衡略微将kNN模型的测试误差增加到5%,但也将混合类的召回率从90%提高到94%。最后,我们演示了如何使用训练好的模型预测未标记图像的图案类别,以及如何将预测结果以区域图的形式与印刷工艺参数相关联。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.