論文の概要: Anomaly Detection for Solder Joints Using $\beta$-VAE
- arxiv url: http://arxiv.org/abs/2104.11927v1
- Date: Sat, 24 Apr 2021 11:19:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 15:01:19.394479
- Title: Anomaly Detection for Solder Joints Using $\beta$-VAE
- Title(参考訳): $\beta$-VAE を用いた溶接部の異常検出
- Authors: Furkan Ulger, Seniha Esen Yuksel, Atila Yilmaz
- Abstract要約: 異常検出のための新しいβ-Variational Autoencoders (beta-VAE)アーキテクチャを提案する。
提案手法はデータの不連続表現を学習し,より独立な特徴と潜在空間表現の改善をもたらすことを示す。
本研究は, ハンダ関節の異常を正常な試料で訓練したモデルを用いて高精度に検出できることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the assembly process of printed circuit boards (PCB), most of the errors
are caused by solder joints in Surface Mount Devices (SMD). In the literature,
traditional feature extraction based methods require designing hand-crafted
features and rely on the tiered RGB illumination to detect solder joint errors,
whereas the supervised Convolutional Neural Network (CNN) based approaches
require a lot of labelled abnormal samples (defective solder joints) to achieve
high accuracy. To solve the optical inspection problem in unrestricted
environments with no special lighting and without the existence of error-free
reference boards, we propose a new beta-Variational Autoencoders (beta-VAE)
architecture for anomaly detection that can work on both IC and non-IC
components. We show that the proposed model learns disentangled representation
of data, leading to more independent features and improved latent space
representations. We compare the activation and gradient-based representations
that are used to characterize anomalies; and observe the effect of different
beta parameters on accuracy and on untwining the feature representations in
beta-VAE. Finally, we show that anomalies on solder joints can be detected with
high accuracy via a model trained on directly normal samples without designated
hardware or feature engineering.
- Abstract(参考訳): プリント回路基板(pcb)の組立工程において、誤差の大部分は表面実装装置(smd)のはんだ接合によるものである。
文献では,従来の特徴抽出法では手作りの特徴を設計,階層型rgb照明を用いてはんだジョイントエラーを検知するが,教師付き畳み込みニューラルネットワーク(cnn)に基づく手法では高精度にラベル付き異常サンプル(欠陥はんだジョイント)を多数必要としている。
特殊な照明がなく,かつ,エラーのない参照ボードが存在しない環境下での光検査問題を解決するために,ICと非ICの両方で動作可能な異常検出のための新しいベータ可変オートエンコーダ(ベータVAE)アーキテクチャを提案する。
提案手法はデータの不連続表現を学習し,より独立な特徴と潜在空間表現の改善をもたらすことを示す。
異常を特徴付けるために用いられるアクティベーションと勾配に基づく表現を比較し、異なるベータパラメータがβ-VAEにおける特徴表現の精度と解答に与える影響を観察する。
最後に, ハンダ接合部の異常を, ハードウェアや特徴工学の指定なしに, 直接正規サンプルで訓練したモデルを用いて高精度に検出できることを示す。
関連論文リスト
- Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。
本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文 参考訳(メタデータ) (2024-01-06T07:30:41Z) - Global Context Aggregation Network for Lightweight Saliency Detection of
Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。
まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。
3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文 参考訳(メタデータ) (2023-09-22T06:19:11Z) - ReConPatch : Contrastive Patch Representation Learning for Industrial
Anomaly Detection [5.998761048990598]
本稿では,事前学習モデルから抽出したパッチ特徴の線形変調を訓練することにより,異常検出のための識別機能を構築するReConPatchを紹介する。
本手法は,MVTec ADデータセットに対して,最先端の異常検出性能(99.72%)を実現する。
論文 参考訳(メタデータ) (2023-05-26T07:59:36Z) - Multimodal Industrial Anomaly Detection via Hybrid Fusion [59.16333340582885]
ハイブリッド核融合方式を用いた新しいマルチモーダル異常検出法を提案する。
本モデルでは,MVTecD-3 ADデータセットにおける検出精度とセグメンテーション精度の両面で,最先端(SOTA)手法より優れている。
論文 参考訳(メタデータ) (2023-03-01T15:48:27Z) - Two-stream Decoder Feature Normality Estimating Network for Industrial
Anomaly Detection [4.772323272202286]
正常な特徴と異常な特徴の両方を学習するための2ストリームデコーダネットワーク(TSDN)を提案する。
また、異常な特徴を排除し、異常領域の高品質な再構成を防止するための特徴正規度推定器(FNE)を提案する。
論文 参考訳(メタデータ) (2023-02-20T06:46:09Z) - Reference-Based Autoencoder for Surface Defect Detection [7.163582730053925]
種々のテクスチャ欠陥を正確に検査するために, RB-AE (unsupervised reference-based autoencoder) を提案する。
モデルが画素レベルの識別能力を得ることができるように、人工欠陥と新たな画素レベルの識別損失関数をトレーニングに活用する。
論文 参考訳(メタデータ) (2022-11-18T07:13:55Z) - An Outlier Exposure Approach to Improve Visual Anomaly Detection
Performance for Mobile Robots [76.36017224414523]
移動ロボットの視覚異常検出システム構築の問題点を考察する。
標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。
本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
論文 参考訳(メタデータ) (2022-09-20T15:18:13Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - Feature anomaly detection system (FADS) for intelligent manufacturing [0.0]
FADS(Feature-based Anomaly Detection System)と呼ばれる新しい異常検出アルゴリズムを提案する。
FADSは畳み込みフィルタの活性化を観察して名目入力の統計モデルを生成する。
推測中、システムは新しい入力の畳み込みフィルタのアクティベーションを、期待値の範囲外である統計モデルとフラグのアクティベーションと比較する。
論文 参考訳(メタデータ) (2022-04-21T17:54:37Z) - Minimal-Configuration Anomaly Detection for IIoT Sensors [0.2462953128215087]
業界における低コストのIoTセンサプラットフォームは、異常検出ソリューションの需要を高めている。
近年のディープラーニング技術はセンサデータ記録における異常検出に有望な方法を提供している。
本研究は,一般的な異常検出手法への第一歩だと考えている。
論文 参考訳(メタデータ) (2021-10-08T11:52:52Z) - Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。
我々は,再建基準の代替として,異常スコアの代替尺度を提案した。
提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2020-03-24T08:26:58Z)
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。