Fugu-MT 論文翻訳(概要): Automated visual inspection of silicon detectors in CMS experiment

論文の概要: Automated visual inspection of silicon detectors in CMS experiment

arxiv url: http://arxiv.org/abs/2206.02572v1
Date: Fri, 3 Jun 2022 07:56:13 GMT
ステータス: 処理完了
システム内更新日: 2022-06-12 18:58:30.204702
Title: Automated visual inspection of silicon detectors in CMS experiment
Title（参考訳）: CMS実験におけるシリコン検出器の自動視覚検査
Authors: Dr. Nupur Giri, Dr. Shashi Dugad, Amit Chhabria, Rashmi Manwani, Priyanka Asrani
Abstract要約: CERNのCMS実験では、多くのHGCALセンサーモジュールが世界中の先進的な研究所で製造されている。各センサーモジュールには、視覚検査のための約700のチェックポイントが含まれており、手動で検査を行うことはほぼ不可能である。チェックポイントをより正確に評価するために,多数のモジュールの自動テストにおける製造欠陥の検出にディープラーニングを用いたオブジェクト検出手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the CMS experiment at CERN, Geneva, a large number of HGCAL sensor modules are fabricated in advanced laboratories around the world. Each sensor module contains about 700 checkpoints for visual inspection thus making it almost impossible to carry out such inspection manually. As artificial intelligence is more and more widely used in manufacturing, traditional detection technologies are gradually being intelligent. In order to more accurately evaluate the checkpoints, we propose to use deep learning-based object detection techniques to detect manufacturing defects in testing large numbers of modules automatically.
Abstract（参考訳）: CERNのCMS実験では、多くのHGCALセンサーモジュールが世界中の先進的な研究所で製造されている。各センサーモジュールには、視覚検査のための約700のチェックポイントが含まれているため、手動で検査を行うことはほぼ不可能である。人工知能が製造業でますます広く使われているため、従来の検出技術は徐々にインテリジェントになりつつある。チェックポイントをより正確に評価するために,多数のモジュールの自動テストにおける製造欠陥の検出にディープラーニングを用いたオブジェクト検出手法を提案する。

関連論文リスト

Assaying on the Robustness of Zero-Shot Machine-Generated Text Detectors [57.7003399760813]
先進的なLarge Language Models (LLMs) とその特殊な変種を探索し、いくつかの方法でこの分野に寄与する。トピックと検出性能の間に有意な相関関係が発見された。これらの調査は、様々なトピックにまたがるこれらの検出手法の適応性と堅牢性に光を当てた。
論文参考訳（メタデータ） (2023-12-20T10:53:53Z)
Autoencoder-based Anomaly Detection System for Online Data Quality Monitoring of the CMS Electromagnetic Calorimeter [0.0]
半教師付き機械学習を用いたリアルタイムオートエンコーダによる異常検出システムを提案する。異常の時間依存性の進化を利用して異常検出性能を最大化する新しい手法を提案する。システムの性能は、2018年と2022年のLHC衝突データに見られる異常で検証される。
論文参考訳（メタデータ） (2023-09-18T21:11:25Z)
Unsupervised machine-learning shock-capturing technique for high-order solvers [0.0]
ガウス混合モデル(GMM)に基づく教師なし機械学習ショックキャプチャーアルゴリズムを提案する。提案したGMMセンサは衝撃検出において顕著な精度を示し,パラメータチューニングを必要とせず,多種多様なテストケースに対して堅牢である。本研究は,高度なCFD符号の堅牢性と効率を向上させるため,GMMセンサで実証した教師なし機械学習手法の可能性を明らかにする。
論文参考訳（メタデータ） (2023-07-28T10:33:12Z)
Automated visual inspection of CMS HGCAL silicon sensor surface using an ensemble of a deep convolutional autoencoder and classifier [1.6626046865692057]
センサ表面の異常なイメージをリアルタイムで事前に選択するディープラーニングベースのアルゴリズムを開発した。この性能は、製造時に取得した画像に基づいて評価される。予備選考では、人間の検査を必要とする画像の数を85%減らし、リコール率は97%となった。
論文参考訳（メタデータ） (2023-03-09T11:54:55Z)
ChemVise: Maximizing Out-of-Distribution Chemical Detection with the Novel Application of Zero-Shot Learning [60.02503434201552]
本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
論文参考訳（メタデータ） (2023-02-09T20:19:57Z)
Hierarchical Point Attention for Indoor 3D Object Detection [111.04397308495618]
本研究は、点ベース変圧器検出器の汎用階層設計として、2つの新しい注意操作を提案する。まず、よりきめ細かい特徴学習を可能にするために、シングルスケールの入力機能からマルチスケールトークンを構築するマルチスケール注意(MS-A)を提案する。第2に,適応型アテンション領域を持つサイズ適応型ローカルアテンション(Local-A)を提案する。
論文参考訳（メタデータ） (2023-01-06T18:52:12Z)
Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文参考訳（メタデータ） (2022-09-25T04:56:10Z)
Anomaly Detection and Inter-Sensor Transfer Learning on Smart Manufacturing Datasets [6.114996271792091]
スマートマニュファクチャリングシステムの目標は、運用コストを削減し、ダウンタイムをなくすために、失敗を迅速に検出(または予測)することである。これはしばしば、システムから取得したセンサーの日程内で異常を検出することに起因する。スマートマニュファクチャリングアプリケーションドメインは、ある種の健全な技術的課題を提起します。予測的障害分類が達成できることを示し、予測的メンテナンスの道を開く。
論文参考訳（メタデータ） (2022-06-13T17:51:24Z)
An Automated Scanning Transmission Electron Microscope Guided by Sparse Data Analytics [0.0]
本稿では,新たに出現するスパースデータ分析によって導かれる閉ループ管楽器制御プラットフォームの設計について論じる。機械学習によって通知される集中型コントローラが、限られた$a$$priori$知識とタスクベースの識別を組み合わせることで、オンザフライでの実験的な意思決定を駆動する様子を実証する。
論文参考訳（メタデータ） (2021-09-30T00:25:35Z)
Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文参考訳（メタデータ） (2021-02-02T15:44:39Z)
Object Detection Made Simpler by Eliminating Heuristic NMS [70.93004137521946]
単純なNMSのないエンドツーエンドのオブジェクト検出フレームワークを示す。検出精度は元の1段検出器と比べて同等か、さらに向上した。
論文参考訳（メタデータ） (2021-01-28T02:38:29Z)

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。