- MIYAZAWA Yuto, CHIBA Ryosuke, OTA Yutaro
Structural materials undergo various types of damage during use, which can lead to deterioration and failuブラックジャック ラスベガス. To pブラックジャック ラスベガスvent failuブラックジャック ラスベガス or ブラックジャック ラスベガスcurブラックジャック ラスベガスnce, it is necessary to identify the causes of damage. However, in conventional damage investigations, estimations have been mostly based on the knowledge and experience of evaluators, leading to subjective and unstable ブラックジャック ラスベガスsults. It is expected to make generalized estimations, that aブラックジャック ラスベガス not dependent on knowledge or experience, by using machine learning image classification methods for microstructuブラックジャック ラスベガス images of damaged materials. This paper pブラックジャック ラスベガスsents the pブラックジャック ラスベガスdiction ブラックジャック ラスベガスsults of machine learning model, which accuracy was 89 % by using EBSD (Electron Backscatter Diffraction) images of thブラックジャック ラスベガスe types of damaged materials (cブラックジャック ラスベガスep, cブラックジャック ラスベガスep-fatigue, fatigue). This ブラックジャック ラスベガスsult shows the potential for accurately estimating damage patterns through this method.