論文の概要: Defect detection and segmentation in X-Ray images of magnesium alloy castings using the Detectron2 framework

• arxiv url: http://arxiv.org/abs/2202.13945v1
• Date: Mon, 28 Feb 2022 16:53:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 14:22:41.308175
• Title: Defect detection and segmentation in X-Ray images of magnesium alloy castings using the Detectron2 framework
• Title（参考訳）: Detectron2フレームワークを用いたマグネシウム合金鋳物のX線像における欠陥検出とセグメンテーション
• Authors: Francisco Javier Yag\"ue, Jose Francisco Diez-Pastor, Pedro Latorre-Carmona, Cesar Ignacio Garcia Osorio
• Abstract要約: 新しい製造技術により、より複雑な形状の金属部品を製造することが可能となり、品質管理プロセスがより困難になった。 X線画像により、このプロセスはより簡単になり、表面欠陥をより単純な方法で検出できるだけでなく、溶接や鋳造の欠陥も検出できるようになった。 本研究の目的は,画像中の物体の検出とセグメンテーションに応用された最先端ライブラリである Detectron2 に基づくディープラーニングシステムを適用することである。
• 参考スコア（独自算出の注目度）: 0.13764085113103217
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: New production techniques have emerged that have made it possible to produce metal parts with more complex shapes, making the quality control process more difficult. This implies that the visual and superficial analysis has become even more inefficient. On top of that, it is also not possible to detect internal defects that these parts could have. The use of X-Ray images has made this process much easier, allowing not only to detect superficial defects in a much simpler way, but also to detect welding or casting defects that could represent a serious hazard for the physical integrity of the metal parts. On the other hand, the use of an automatic segmentation approach for detecting defects would help diminish the dependence of defect detection on the subjectivity of the factory operators and their time dependence variability. The aim of this paper is to apply a deep learning system based on Detectron2, a state-of-the-art library applied to object detection and segmentation in images, for the identification and segmentation of these defects on X-Ray images obtained mainly from automotive parts
• Abstract（参考訳）: 新しい製造技術が登場し、より複雑な形状の金属部品を生産できるようになり、品質管理プロセスが困難になった。 これは、視覚的および表面的分析がさらに非効率になったことを意味する。 その上、これらの部品が持つ可能性のある内部欠陥を検出することも不可能である。 X線画像を使用することで、表面欠陥をずっと簡単に検出できるだけでなく、金属部品の物理的完全性にとって深刻な危険性を示す溶接欠陥や鋳造欠陥も検出できるようになった。 一方,欠陥検出に自動セグメンテーション手法を用いることで,工場作業者の主観性や時間依存性の変動に対する欠陥検出の依存性を低減できる。 本研究の目的は,画像中の物体検出およびセグメンテーションに応用される最先端ライブラリである detectionron2 に基づく深層学習システムを適用し,自動車部品を中心に得られたx線画像における欠陥の同定とセグメンテーションを行うことである。

関連論文リスト

• Capability enhancement of the X-ray micro-tomography system via ML-assisted approaches [0.8999666725996978]
  X線マイクロCT画像におけるリングアーティファクトは、その正確な視覚的解釈と定量的解析における主要な原因の1つである。 本稿では、UNetにインスパイアされた畳み込みニューラルネットワーク(CNN)ベースのディープラーニング(DL)モデルと、リングアーティファクトを除去するためのスキップ接続を備えた一連のエンコーダとデコーダユニットを提案する。
  論文  参考訳（メタデータ） (2024-02-08T14:23:24Z)
• Segment Anything in Defect Detection [38.85728242930962]
  DefectSAMは、ノイズの多い熱画像に欠陥を分割するための新しいアプローチである。 既存の最先端セグメンテーションアルゴリズムを超え、欠陥検出率を大幅に改善する。
  論文  参考訳（メタデータ） (2023-11-17T00:28:19Z)
• Unsupervised Skin Lesion Segmentation via Structural Entropy Minimization on Multi-Scale Superpixel Graphs [59.19218582436495]
  本研究では,構造エントロピーと孤立林外層検出に基づく非教師付き皮膚病変sEgmentationフレームワーク,すなわちSLEDを提案する。 皮膚病変は、皮膚内視鏡像から構築した超画素グラフの構造エントロピーを最小化することにより区分される。 健康な皮膚の特徴の整合性を特徴とし, マルチスケールのセグメンテーション機構を考案し, マルチスケールのスーパーピクセル特徴を活用して, セグメンテーション精度を向上させる。
  論文  参考訳（メタデータ） (2023-09-05T02:15:51Z)
• Automated Semiconductor Defect Inspection in Scanning Electron Microscope Images: a Systematic Review [4.493547775253646]
  機械学習アルゴリズムは、半導体サンプルの欠陥を正確に分類し、特定するために訓練することができる。 畳み込みニューラルネットワークはこの点において特に有用であることが証明されている。 本稿では,SEM画像における半導体欠陥の自動検査の現状について概観する。
  論文  参考訳（メタデータ） (2023-08-16T13:59:43Z)
• X-Ray2EM: Uncertainty-Aware Cross-Modality Image Reconstruction from X-Ray to Electron Microscopy in Connectomics [55.6985304397137]
  膜セグメンテーション品質を向上したEMライクな画像にX線画像を変換する不確実性を考慮した3D再構成モデルを提案する。 これは、よりシンプルで、より高速で、より正確なX線ベースのコネクトロミクスパイプラインを開発する可能性を示している。
  論文  参考訳（メタデータ） (2023-03-02T00:52:41Z)
• Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
  我々はミネラルウールのための視覚品質管理システムを開発した。 ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。 我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
  論文  参考訳（メタデータ） (2022-11-01T13:58:02Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Reference-based Defect Detection Network [57.89399576743665]
  最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。 第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。 本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
  論文  参考訳（メタデータ） (2021-08-10T05:44:23Z)
• Deep Learning Based Defect Detection for Solder Joints on Industrial X-Ray Circuit Board Images [14.139826850432339]
  本稿では,PCBの品質検査において,X線画像に基づく品質管理にディープラーニングが組み込まれている。 2つの人工知能(AI)に基づくモデルが提案され、関節欠陥検出のために比較される。 提案手法の有効性は,実世界の3次元X線データセットを用いて実験的に検証した。
  論文  参考訳（メタデータ） (2020-08-06T12:25:18Z)
• Learning-based Defect Recognition for Quasi-Periodic Microscope Images [0.0]
  原子分解能顕微鏡画像からの格子欠陥の検出を支援する半教師付き機械学習手法を提案する。 これには、画像パッチを欠陥または非欠陥として分類する畳み込みニューラルネットワーク、モデルとして1つの非欠陥パッチを選択するグラフベース、そして最後に自動生成された畳み込みフィルタバンクが含まれる。 このアルゴリズムは、III-V/Si結晶材料上でテストされ、異なる測定値に対してうまく評価され、非常に小さなトレーニングデータセットであっても有望な結果を示す。
  論文  参考訳（メタデータ） (2020-07-02T18:00:02Z)
• Occluded Prohibited Items Detection: an X-ray Security Inspection Benchmark and De-occlusion Attention Module [50.75589128518707]
  我々はOPIXrayというセキュリティ検査のための最初の高品質なオブジェクト検出データセットをコントリビュートする。 OPIXrayは、空港のプロの検査官が手動で注記した「カッター」に焦点をあてた。 本稿では,プラグイン・アンド・プレイモジュールであるデオクルージョン・アテンション・モジュール(DOAM)を提案する。
  論文  参考訳（メタデータ） (2020-04-18T16:10:55Z)

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。