論文の概要: Unsupervised foreign object detection based on dual-energy
absorptiometry in the food industry
- arxiv url: http://arxiv.org/abs/2104.05326v1
- Date: Mon, 12 Apr 2021 10:15:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 13:54:52.146449
- Title: Unsupervised foreign object detection based on dual-energy
absorptiometry in the food industry
- Title（参考訳）: 食品産業における二重エネルギー吸収測定に基づく非監督的異物検出
- Authors: Vladyslav Andriiashen, Robert van Liere, Tristan van Leeuwen, Kees
Joost Batenburg
- Abstract要約: 本稿では、二エネルギーX線アブソルプチオメトリー(DEXA)に基づく非監視異物検出処理手法を提案する。
DEXAデータの前処理技術として,新しい厚さ補正モデルを導入する。
結果は、異物のないサンプルが97%のケースで正しく識別され、異物検出の全体的な精度が95%に達することを示しています。
- 参考スコア（独自算出の注目度）: 2.2175470459999627
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: X-ray imaging is a widely used technique for non-destructive inspection of
agricultural food products. One application of X-ray imaging is the autonomous,
in-line detection of foreign objects in food samples. Examples of such
inclusions are bone fragments in meat products, plastic and metal debris in
fish, fruit infestations. This article presents a processing methodology for
unsupervised foreign object detection based on dual-energy X-ray absorptiometry
(DEXA). A foreign object is defined as a fragment of material with different
X-ray attenuation properties than those belonging to the food product. A novel
thickness correction model is introduced as a pre-processing technique for DEXA
data. The aim of the model is to homogenize regions in the image that belong to
the food product and enhance contrast where the foreign object is present. In
this way, the segmentation of the foreign object is more robust to noise and
lack of contrast. The proposed methodology was applied to a dataset of 488
samples of meat products. The samples were acquired from a conveyor belt in a
food processing factory. Approximately 60\% of the samples contain foreign
objects of different types and sizes, while the rest of the samples are void of
foreign objects. The results show that samples without foreign objects are
correctly identified in 97% of cases, the overall accuracy of foreign object
detection reaches 95%.
- Abstract（参考訳）: X線イメージングは農業用食品の非破壊検査に広く用いられている技術である。
X線イメージングの応用の1つは、食品サンプル中の外部物体の自律的インライン検出である。
肉製品の骨片、魚のプラスチックや金属の破片、果物の寄生虫などがその例である。
本稿では,dual-energy x-ray absorptiometry (dexa) に基づく教師なし異物検出のための処理手法を提案する。
異物は、食品に含まれるものとは異なるX線減衰特性を持つ材料の断片として定義される。
DEXAデータの前処理技術として,新しい厚さ補正モデルを導入する。
このモデルの目的は、食品に含まれる画像内の領域を均質化し、異物が存在するコントラストを強化することである。
このようにして、外部オブジェクトのセグメンテーションは、ノイズやコントラストの欠如に対してより堅牢である。
提案手法は, 肉製品の488サンプルのデータセットに適用した。
サンプルは食品加工工場のコンベアベルトから採取された。
サンプルの約60%は異なる種類や大きさの異物を含むが、残りのサンプルは異物は含まない。
その結果, 異物のない試料は97%の症例で正しく同定され, 全体の検出精度は95%に達した。
関連論文リスト
- Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。
それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。
以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
論文 参考訳（メタデータ） (2024-11-12T01:17:27Z) - Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。
混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。
UE識別のための反復フィルタリング手法を提案する。
論文 参考訳（メタデータ） (2024-08-15T13:26:13Z) - Identifying the Defective: Detecting Damaged Grains for Cereal
Appearance Inspection [16.036591708687354]
GAI(Grain Outearance Inspection)は、穀物の品質を判断し、穀物の循環と加工を容易にするための重要なプロセスである。
本稿では,自動GAIシステムであるAI4GrainInspの開発に尽力する。
本稿では,AD-GAIと呼ばれるADモデルを提案する。
論文 参考訳（メタデータ） (2023-11-20T16:35:16Z) - Transferring Knowledge for Food Image Segmentation using Transformers
and Convolutions [65.50975507723827]
食品画像のセグメンテーションは、食品の皿の栄養価を推定するなど、ユビキタスな用途を持つ重要なタスクである。
1つの課題は、食品が重なり合ったり混ざったりし、区別が難しいことだ。
2つのモデルが訓練され、比較される。1つは畳み込みニューラルネットワークに基づくもので、もう1つは画像変換器(BEiT)のための双方向表現に関するものである。
BEiTモデルは、FoodSeg103上の49.4の結合の平均的交点を達成することで、従来の最先端モデルよりも優れている。
論文 参考訳（メタデータ） (2023-06-15T15:38:10Z) - X-Adv: Physical Adversarial Object Attacks against X-ray Prohibited Item
Detection [113.10386151761682]
テクスチャフリーなX線画像を対象とした敵攻撃は未発見である。
本稿では,X線禁止項目検出を目的とした敵攻撃の研究に向けて第一歩を踏み出す。
我々は,X線検出器を消毒できる対向剤として機能する物理的に印刷可能な金属を生成するために,X-Advを提案する。
論文 参考訳（メタデータ） (2023-02-19T06:31:17Z) - Cluttered Food Grasping with Adaptive Fingers and Synthetic-Data Trained
Object Detection [8.218146534971156]
食品包装産業は、幅広い形状と大きさのさまざまな食品を扱う。
ビンピッキングの一般的なアプローチは、まず、インスタンスセグメンテーション法を用いてトレイ内の各食品を識別することである。
合成データを純粋に訓練し,sim2real法を用いて実世界へ転送する手法を提案する。
論文 参考訳（メタデータ） (2022-03-10T06:44:09Z) - A tomographic workflow to enable deep learning for X-ray based foreign
object detection [0.7829352305480283]
異物検出の教師あり学習のためのトレーニングデータを生成するためのCT法を提案する。
外部オブジェクトの高品質な地上真実位置は、正確な3次元再構成とセグメンテーションによって得られる。
本稿では,従来のラジオグラフィアノテーションと比較して,客観的かつ再現的にトレーニングデータを生成できることの利点を概説する。
論文 参考訳（メタデータ） (2022-01-28T15:33:20Z) - Towards Real-World Prohibited Item Detection: A Large-Scale X-ray
Benchmark [53.9819155669618]
本稿では,PIDrayと命名された大規模データセットについて述べる。
大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。
提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
論文 参考訳（メタデータ） (2021-08-16T11:14:16Z) - A New Window Loss Function for Bone Fracture Detection and Localization
in X-ray Images with Point-based Annotation [21.004545631297855]
本論文では, X線画像の骨破壊検出法について, 作業効率が高く柔軟なアノテーション法を提案する。
本手法では, 簡便で直感的, 有益なポイントベースのアノテーションプロトコルを用いて, ローカライズ情報をマークする。
骨盤X線像4410例に対して,本法を広範囲に評価した。
論文 参考訳（メタデータ） (2020-12-07T21:19:04Z) - Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。
このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。
本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
論文 参考訳（メタデータ） (2020-10-09T10:15:26Z) - A novel approach to remove foreign objects from chest X-ray images [0.0]
本稿では,胸部X線写真と胸部X線写真の両方にマルチメソッドを用いた。
結論として、我々は最先端の精度を達成した。
論文 参考訳（メタデータ） (2020-08-16T03:06:28Z)
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。