Meister

引用 (APA) Meister, S., Wermes, M., Stüve, J., & Groves, R. M. (2021). 可解释人工智能方法在自动化复合材料制造中纤维铺层缺陷深度学习分类中的研究。复合材料 B 部分：工程，224，文章 109160。https://doi.org/10.1016/j.compositesb.2021.109160 重要提示 要引用此出版物，请使用最终出版版本（如适用）。请检查上面的文档版本。

自动化纤维铺层技术广泛应用于航空领域，以高效生产复合材料部件。然而，所需的人工检查可能占用高达 50% 的制造时间。使用神经网络对纤维铺层缺陷进行自动分类可能会提高检查效率。然而，这种分类器的机器决策过程难以验证。因此，我们提出了一种分析纤维铺层缺陷分类过程的方法。因此，我们全面评估了文献中的 20 种可解释人工智能方法。因此，将平滑积分梯度、引导梯度类激活映射和 DeepSHAP 技术应用于卷积神经网络分类器。这些方法分析分类器对未知和操纵的输入数据的神经激活和鲁棒性。我们的研究表明，平滑积分梯度和 DeepSHAP 尤其适合可视化此类分类。此外，最大灵敏度和不保真度计算证实了这种行为。将来，客户和开发人员可以应用所提出的方法来认证他们的检查系统。