論文の概要: Computer vision application for improved product traceability in the granite manufacturing industry

• arxiv url: http://arxiv.org/abs/2207.01323v1
• Date: Mon, 4 Jul 2022 11:04:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-05 23:56:35.596065
• Title: Computer vision application for improved product traceability in the granite manufacturing industry
• Title（参考訳）: グラファイト製造における製品トレーサビリティ向上のためのコンピュータビジョン応用
• Authors: Xurxo Rigueira, Javier Martinez, Maria Araujo, Antonio Recaman
• Abstract要約: グラファイトブロックのトレーサビリティは、各ブロックを数値コードを表す限られた数のカラーバンドで識別することで構成される。 コンピュータビジョンシステムは、色検出と関連するコードの復号化によってこの問題に対処する。 提案アルゴリズムは、異なる環境条件下で撮影された109枚の画像に基づいて訓練され、21枚の画像に対して検証される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The traceability of granite blocks consists in identifying each block with a finite number of color bands which represent a numerical code. This code has to be read several times throughout the manufacturing process, but its accuracy is subject to human errors, leading to cause faults in the traceability system. A computer vision system is presented to address this problem through color detection and the decryption of the associated code. The system developed makes use of color space transformations, and several thresholds for the isolation of the colors. Computer vision methods are implemented, along with contour detection procedures for color identification. Lastly, the analysis of geometrical features is used to decrypt the color code captured. The proposed algorithm is trained on a set of 109 pictures taken in different environmental conditions and validated on a set of 21 images. The outcome shows promising results with an accuracy rate of 75.00% in the validation process. Therefore, the application presented can help employees reduce the number of mistakes on product tracking.
• Abstract（参考訳）: グラファイトブロックのトレーサビリティは、各ブロックを数値コードを表す限られた数のカラーバンドで識別することで構成される。 このコードは製造プロセスを通じて何度も読まなければならないが、その正確さはヒューマンエラーの対象であり、トレーサビリティシステムの障害の原因となる。 色検出と関連するコードの復号化により,この問題に対処するコンピュータビジョンシステムを提案する。 開発したシステムは色空間変換といくつかのしきい値を用いて色を分離する。 カラー識別のための輪郭検出手法とともに,コンピュータビジョン方式を実装した。 最後に、幾何学的特徴の分析を用いて、キャプチャしたカラーコードを復号する。 提案アルゴリズムは, 異なる環境条件で撮影された109枚の画像から訓練され, 21枚の画像で検証される。 その結果、検証プロセスで75.00%の精度で有望な結果が得られる。 したがって、提示されたアプリケーションは、従業員が製品追跡のミスの数を減らすのに役立つ。

関連論文リスト

• A Visualized Malware Detection Framework with CNN and Conditional GAN [5.4505834541978615]
  本稿では,機械学習活用者が経験する共通問題に対処する統合フレームワークを提案する。 すなわち、拡張付き画像提示システムは、良性/悪性サンプルの同一性を保存するように設計されている。 条件付きジェネレーティブ・アドバイサル・ネットワークに基づくモデルを用いて合成画像を生成する。
  論文  参考訳（メタデータ） (2024-09-22T13:29:10Z)
• Color Recognition in Challenging Lighting Environments: CNN Approach [0.0]
  研究者は、コンピュータビジョンの応用のための色検出技術を強化するために取り組んでいる。 この問題に対処するために,畳み込みニューラルネットワーク(CNN)に基づく色検出手法を提案する。 本手法は照明条件の異なる色検出の堅牢性を大幅に向上させることができることを実験的に検証した。
  論文  参考訳（メタデータ） (2024-02-07T11:26:00Z)
• Color Equivariant Convolutional Networks [50.655443383582124]
  CNNは、偶然に記録された条件によって導入された色の変化の間にデータ不均衡がある場合、苦労する。 カラースペクトル間の形状特徴共有を可能にする新しいディープラーニングビルディングブロックであるカラー等変畳み込み(CEConvs)を提案する。 CEConvsの利点は、様々なタスクに対するダウンストリーム性能と、列車-テストの分散シフトを含む色の変化に対するロバスト性の改善である。
  論文  参考訳（メタデータ） (2023-10-30T09:18:49Z)
• Broken Rail Detection With Texture Image Processing Using Two-Dimensional Gray Level Co-occurrence Matrix [0.0]
  鉄道による損傷と破損は、鉄道における事故の最も重要な原因の1つである。 本稿では,観測領域からレール領域を最初に認識する手法を提案する。 クラック、摩耗、剥離、崩壊、破壊を含むレール欠陥の種類を検出する。
  論文  参考訳（メタデータ） (2023-04-23T09:44:32Z)
• Name Your Colour For the Task: Artificially Discover Colour Naming via Colour Quantisation Transformer [62.75343115345667]
  そこで本研究では,色空間を定量化しつつ,画像上での認識を維持しつつ,色空間を定量化する新しい色量子化変換器CQFormerを提案する。 人工色システムと人間の言語における基本色用語との一貫性のある進化パターンを観察する。 我々のカラー量子化法は、画像記憶を効果的に圧縮する効率的な量子化法も提供する。
  論文  参考訳（メタデータ） (2022-12-07T03:39:18Z)
• Detecting Recolored Image by Spatial Correlation [60.08643417333974]
  画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。 本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。 提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
  論文  参考訳（メタデータ） (2022-04-23T01:54:06Z)
• 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)
• StainNet: a fast and robust stain normalization network [0.7796684624647288]
  本稿では、StainNetという1.28Kパラメータのみを持つ高速かつ堅牢な染色正規化ネットワークを提案する。 提案手法は染色正常化が良好であり,精度と画質が向上した。
  論文  参考訳（メタデータ） (2020-12-23T08:16:27Z)
• Image-based Plant Disease Diagnosis with Unsupervised Anomaly Detection Based on Reconstructability of Colors [0.0]
  画像に基づく植物病診断のための教師なし異常検出手法を提案する。 提案手法は,pix2pixと呼ばれる条件付き対向ネットワークを利用した植物病検出のための新しい画像ベースフレームワークを含む。 PlantVillageデータセットを用いた実験では,既存の異常検出装置と比較して提案手法の優位性を示した。
  論文  参考訳（メタデータ） (2020-11-29T07:44:05Z)
• The Cube++ Illumination Estimation Dataset [50.58610459038332]
  本稿では,新しい照明推定データセットを提案する。 照明色が既知の4890の画像と、追加のセマンティックデータで構成されている。 データセットは、単一または2つの照度推定を実行するメソッドのトレーニングとテストに使用することができる。
  論文  参考訳（メタデータ） (2020-11-19T18:50:08Z)
• UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
  データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。 そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-13T04:12:59Z)

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。