論文の概要: Deep Learning Models for Visual Inspection on Automotive Assembling Line
- arxiv url: http://arxiv.org/abs/2007.01857v1
- Date: Thu, 2 Jul 2020 20:00:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 14:45:41.822443
- Title: Deep Learning Models for Visual Inspection on Automotive Assembling Line
- Title（参考訳）: 自動車組み立てラインの視覚検査のためのディープラーニングモデル
- Authors: Muriel Mazzetto and Marcelo Teixeira and \'Erick Oliveira Rodrigues
and Dalcimar Casanova
- Abstract要約: 本稿では,深層学習を用いた視覚検査支援手法を提案する。
提案手法は、実際の自動車組立ラインにおける4つの概念実証によって説明される。
- 参考スコア（独自算出の注目度）: 2.594420805049218
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automotive manufacturing assembly tasks are built upon visual inspections
such as scratch identification on machined surfaces, part identification and
selection, etc, which guarantee product and process quality. These tasks can be
related to more than one type of vehicle that is produced within the same
manufacturing line. Visual inspection was essentially human-led but has
recently been supplemented by the artificial perception provided by computer
vision systems (CVSs). Despite their relevance, the accuracy of CVSs varies
accordingly to environmental settings such as lighting, enclosure and quality
of image acquisition. These issues entail costly solutions and override part of
the benefits introduced by computer vision systems, mainly when it interferes
with the operating cycle time of the factory. In this sense, this paper
proposes the use of deep learning-based methodologies to assist in visual
inspection tasks while leaving very little footprints in the manufacturing
environment and exploring it as an end-to-end tool to ease CVSs setup. The
proposed approach is illustrated by four proofs of concept in a real automotive
assembly line based on models for object detection, semantic segmentation, and
anomaly detection.
- Abstract（参考訳）: 自動車製造組立タスクは、加工面上のスクラッチ識別、部品識別と選択など、製品品質とプロセス品質を保証する視覚検査に基づいて構築される。
これらのタスクは、同じ製造ライン内で生産される複数の種類の車両と関連付けられる。
視覚検査は基本的に人間主導だったが、コンピュータビジョンシステム(CVS)が提供する人工的な知覚によって補われた。
関連性にもかかわらず、CVSの精度は、照明、囲い、画像取得の品質といった環境設定によって異なる。
これらの問題はコストのかかる解決策を伴い、主に工場の運転サイクルタイムに支障をきたすコンピュータビジョンシステムによってもたらされる利点の一部をオーバーライドする。
そこで,本稿では,製造環境に足跡をほとんど残さずに視覚検査作業を支援するための深層学習に基づく手法を提案し,cvsセットアップを容易にするエンドツーエンドツールとして探索する。
提案手法は, 物体検出, 意味セグメンテーション, 異常検出のモデルに基づく実自動車組立ラインにおける4つの概念実証によって示される。
関連論文リスト
- Evaluating Vision Transformer Models for Visual Quality Control in Industrial Manufacturing [0.0]
工業生産における機械学習の最も有望なユースケースの1つは、欠陥のある製品の早期発見である。
我々は、異常検出手法とともに、現在の視覚変換器モデルを評価する。
品質管理システムに適したモデルアーキテクチャを実際に選択するためのガイドラインを提示する。
論文 参考訳（メタデータ） (2024-11-22T14:12:35Z) - BEHAVIOR Vision Suite: Customizable Dataset Generation via Simulation [57.40024206484446]
我々は、コンピュータビジョンモデルの体系的評価のために、完全にカスタマイズされた合成データを生成するためのツールと資産のセットであるBEHAVIOR Vision Suite(BVS)を紹介する。
BVSはシーンレベルで多数の調整可能なパラメータをサポートする。
アプリケーションシナリオを3つ紹介する。
論文 参考訳（メタデータ） (2024-05-15T17:57:56Z) - IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。
本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。
このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
論文 参考訳（メタデータ） (2024-04-23T13:38:01Z) - AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。
さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文 参考訳（メタデータ） (2024-03-26T04:27:56Z) - A Systematic Review of Available Datasets in Additive Manufacturing [56.684125592242445]
視覚およびその他のセンサー技術を組み込んだその場監視により、追加製造プロセス中に広範なデータセットの収集が可能になる。
これらのデータセットは、製造された出力の品質を判断し、機械学習を使用して欠陥を検出する可能性がある。
本稿では,AMプロセスから派生したオープン画像ベースデータセットの利用可能性について検討する。
論文 参考訳（メタデータ） (2024-01-27T16:13:32Z) - Utilizing Active Machine Learning for Quality Assurance: A Case Study of
Virtual Car Renderings in the Automotive Industry [0.0]
本稿では,不良な仮想車のレンダリングを識別するためにラベル付きインスタンスを著しく少なくする,アクティブな機械学習ベースの品質保証システムを提案する。
このシステムをドイツの自動車メーカーに導入することにより、スタートアップの難しさを克服し、検査プロセスの効率を向上し、経済的優位性を実現することができる。
論文 参考訳（メタデータ） (2021-10-18T05:43:06Z) - A framework for the automation of testing computer vision systems [17.360163137925998]
私たちは、ビジョンソフトウェアのテスト分野に貢献し、ビジョンと画像認識に基づくシステムのためのテストの自動生成のためのフレームワークを提示します。
リブレット表面上の欠陥を識別する特定の産業アプリケーションをテストする上で,このようなフレームワークがいかに役立つかを示す。
論文 参考訳（メタデータ） (2021-05-10T14:02:42Z) - Cognitive Visual Inspection Service for LCD Manufacturing Industry [80.63336968475889]
本論文では,現在FPD業界で主流となっている液晶ディスプレイ(LCD)の視覚検査システムについて述べる。
システムは、堅牢/高性能欠陥認識モデルと認知視覚検査サービスアーキテクチャの2つの基礎に基づいています。
論文 参考訳（メタデータ） (2021-01-11T08:14:35Z) - Exploit Clues from Views: Self-Supervised and Regularized Learning for
Multiview Object Recognition [66.87417785210772]
本研究では,マルチビュー自己教師型学習(MV-SSL)の問題点について検討する。
対象不変」表現を追求し,自己指導型学習のための新しい代理課題を提案する。
実験の結果,ビュー不変プロトタイプ埋め込み(VISPE)による認識と検索は,他の自己教師あり学習方法よりも優れていた。
論文 参考訳（メタデータ） (2020-03-28T07:06:06Z) - DEEVA: A Deep Learning and IoT Based Computer Vision System to Address
Safety and Security of Production Sites in Energy Industry [0.0]
本稿では,シーン分類,シーン中のオブジェクト検出,セマンティックセグメンテーション,シーンキャプションなど,さまざまなコンピュータビジョンに関わる問題に取り組む。
我々は、シーン分類、オブジェクト検出、セマンティックセグメンテーション、シーンのキャプションを扱うためのDeep ExxonMobil Eye for Video Analysis (DEEVA)パッケージを開発した。
その結果, RetinaNet物体検出器を用いた伝達学習により, 作業者の存在, 車両・建設機器の種類, 安全関連物体を高い精度(90%以上)で検出できることがわかった。
論文 参考訳（メタデータ） (2020-03-02T21:26:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。