Données pour l'apprentissage d'un réseau de neurone pour la prédiction de l'épaisseur d'un cylindre en WAAM

DOI

Jeu de donnée pour l'apprentissage d'un réseau de neurones pour la prédiction de la largeur à partir d'une image de l'émission d'un bain de fusion obtenu avec une caméra proche infrarouge. Ces données sont utilisées dans les travaux de thèse : Asservissement thermique du procédé Wire Arc Additive Manufacturing : vers un asservissement des procédés Direct Energy Deposition Les données ici sont les données brutes obtenues durant la campagne expérimentale. Un document interne décrit les conditions expérimentales ayant permis d'obtenir les données. Le dossier contient : - les données brutes de chaque expérience : - les données pour l'apprentissage - Un document récapitulant la manière dont sont obtenues les données.

Pour chaque expérience, il y a : - les images - le scan 3D de la pièce ayant permis d'obtenir les images - l'extraction de la largeur du cylindre à partir de la méthode - une vidéo du bain de fusion de toute la fabrication

Dans le dossire d'aprentissage : - Le rapport de distribution des images - La séparation des données labellisée en 3 catégories : (test, train, valid) - Le modèle

Keras, 2.10

Identifier
DOI https://doi.org/10.57745/PZRG1B
Metadata Access https://entrepot.recherche.data.gouv.fr/oai?verb=GetRecord&metadataPrefix=oai_datacite&identifier=doi:10.57745/PZRG1B
Provenance
Creator Dellarre, Anthony ORCID logo; Béraud, Nicolas ORCID logo; Tardif, Nicolas ORCID logo; Vignat, Frédéric ORCID logo; Villeneuve, François ORCID logo
Publisher Recherche Data Gouv
Contributor Dellarre, Anthony; Laboratoire des Sciences pour la Conception, l'Optimisation et la Production; Entrepôt-Catalogue Recherche Data Gouv
Publication Year 2024
Funding Reference Agence nationale de la recherche
Rights etalab 2.0; info:eu-repo/semantics/openAccess; https://spdx.org/licenses/etalab-2.0.html
OpenAccess true
Contact Dellarre, Anthony (G-SCOP ; UGA, Grenoble INP, CNRS ; France)
Representation
Resource Type Image; Dataset
Format application/zip
Size 19644728991
Version 1.0
Discipline Engineering Sciences; Construction Engineering and Architecture; Engineering