可解释人工智能可追踪地检测航空航天复合材料缺陷

研究人员开发了一种新的可解释深度学习模型p-ResNet-50，用于通过X射线断层扫描检测航空航天复合材料中的缺陷。该模型不仅实现了与传统黑盒网络相当的高精度，还能通过将学习到的原型与专家定义的缺陷类别对齐来提供基于案例的解释。该框架增强了检查决策的可追溯性，并明确映射了不确定区域，使其适用于需要可审计结果的工业应用。 AI

影响 为工业缺陷检测引入了一种新颖的可解释人工智能方法，增强了关键应用中的可追溯性和可审计性。

排序理由 详细介绍一种针对特定工业应用的新颖人工智能方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• aerospace SiC/SiC composites
• Antonio Pena Corredor
• X-ray computed tomography
• p-ResNet-50

• 论文
• 产品
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →