論文の概要: Cognitive Visual Inspection Service for LCD Manufacturing Industry
- arxiv url: http://arxiv.org/abs/2101.03747v1
- Date: Mon, 11 Jan 2021 08:14:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-04 14:51:36.909824
- Title: Cognitive Visual Inspection Service for LCD Manufacturing Industry
- Title（参考訳）: 液晶製造産業における認知視覚検査サービス
- Authors: Yuanyuan Ding and Junchi Yan and Guoqiang Hu and Jun Zhu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 80.63336968475889
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the rapid growth of display devices, quality inspection via machine
vision technology has become increasingly important for flat-panel displays
(FPD) industry. This paper discloses a novel visual inspection system for
liquid crystal display (LCD), which is currently a dominant type in the FPD
industry. The system is based on two cornerstones: robust/high-performance
defect recognition model and cognitive visual inspection service architecture.
A hybrid application of conventional computer vision technique and the latest
deep convolutional neural network (DCNN) leads to an integrated defect
detection, classfication and impact evaluation model that can be economically
trained with only image-level class annotations to achieve a high inspection
accuracy. In addition, the properly trained model is robust to the variation of
the image qulity, significantly alleviating the dependency between the model
prediction performance and the image aquisition environment. This in turn
justifies the decoupling of the defect recognition functions from the front-end
device to the back-end serivce, motivating the design and realization of the
cognitive visual inspection service architecture. Empirical case study is
performed on a large-scale real-world LCD dataset from a manufacturing line
with different layers and products, which shows the promising utility of our
system, which has been deployed in a real-world LCD manufacturing line from a
major player in the world.
- Abstract（参考訳）: ディスプレイ機器の急速な成長に伴い、フラットパネルディスプレイ(FPD)業界では、機械ビジョン技術による品質検査がますます重要になっている。
本稿では,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。
このシステムは、堅牢/高性能な欠陥認識モデルと、認知視覚検査サービスアーキテクチャの2つの基盤に基づいている。
従来のコンピュータビジョン技術と最新の深層畳み込みニューラルネットワーク(dcnn)のハイブリッド応用により、画像レベルのクラスアノテーションだけで経済的に訓練可能な欠陥検出、分類、衝撃評価モデルが統合され、高い検査精度を達成する。
さらに、適切に訓練されたモデルは、画像キュリティの変動に対して堅牢であり、モデル予測性能と画像取得環境との依存性を著しく軽減する。
これは、認知視覚検査サービスアーキテクチャの設計と実現を動機付けることにより、フロントエンドデバイスからバックエンドセバストへの欠陥認識機能の分離を正当化する。
実世界のLCD製造ラインにおいて,異なる層や製品を有する製造ラインからの大規模実世界のLCDデータセットを用いて実証ケーススタディを行い,実世界のLCD製造ラインに世界の主要プレイヤーから展開されたシステムの有用性を示す。
関連論文リスト
- A Comprehensive End-to-End Computer Vision Framework for Restoration and
Recognition of Low-Quality Engineering Drawings [19.375278164300987]
本稿では,低品質なエンジニアリング図面の復元と認識に焦点を当てる。
図面の品質を向上し,図面上の図形記号を識別するために,エンドツーエンドのフレームワークを提案する。
実世界の電気図の実験では、提案されたフレームワークは98.98%の精度と99.33%のリコールを達成した。
論文 参考訳（メタデータ） (2023-12-21T07:22:25Z) - CINFormer: Transformer network with multi-stage CNN feature injection
for surface defect segmentation [73.02218479926469]
表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。
CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。
さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
論文 参考訳（メタデータ） (2023-09-22T06:12:02Z) - Defect Classification in Additive Manufacturing Using CNN-Based Vision
Processing [76.72662577101988]
本稿では、まず、畳み込みニューラルネットワーク(CNN)を用いて、画像データセットの欠陥をAMから第2に正確に分類し、発達した分類モデルにアクティブラーニング技術を適用する。
これにより、トレーニングデータやトレーニングデータの生成に必要なデータのサイズを削減できる、ヒューマン・イン・ザ・ループ機構の構築が可能になる。
論文 参考訳（メタデータ） (2023-07-14T14:36:58Z) - Robustness and Generalization Performance of Deep Learning Models on
Cyber-Physical Systems: A Comparative Study [71.84852429039881]
調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。
我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
論文 参考訳（メタデータ） (2023-06-13T12:43:59Z) - VizInspect Pro -- Automated Optical Inspection (AOI) solution [1.3190581566723916]
VizInspect Proは、Leo - エッジAIプラットフォーム上に構築された汎用コンピュータビジョンベースのAOIソリューションである。
本稿では、このソリューションとプラットフォームが、モデル開発、デプロイ、複数の推論、可視化に関する問題をいかに解決したかを示す。
論文 参考訳（メタデータ） (2022-05-26T00:38:48Z) - 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) - Deep Learning Models for Visual Inspection on Automotive Assembling Line [2.594420805049218]
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。
論文 参考訳（メタデータ） (2020-07-02T20:00:45Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳（メタデータ） (2020-04-03T14:07:41Z) - Towards Coding for Human and Machine Vision: A Scalable Image Coding
Approach [104.02201472370801]
圧縮モデルと生成モデルの両方を活用することにより,新しい画像符号化フレームワークを考案した。
高度な生成モデルを導入することで、コンパクトな特徴表現と参照画素から画像を再構成するフレキシブルネットワークを訓練する。
実験により、人間の視覚的品質と顔のランドマーク検出の両方において、我々の枠組みが優れていることが示された。
論文 参考訳（メタデータ） (2020-01-09T10:37:17Z) - A Novel Visual Fault Detection and Classification System for Semiconductor Manufacturing Using Stacked Hybrid Convolutional Neural Networks [0.24999074238880484]
半導体産業における自動視覚検査は、製造欠陥を検出し分類することを目的としている。
この貢献により、新しいディープニューラルネットワークベースのハイブリッドアプローチが導入される。
階層化されたハイブリッド畳み込みニューラルネットワーク(SH-CNN)を構成し、視覚的注意の現在のアプローチにインスパイアされたシステムは、その構造から詳細レベルに焦点をあてる。
論文 参考訳（メタデータ） (2019-11-25T21:58:28Z)
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。