論文の概要: Convolutional neural networks and multi-threshold analysis for
contamination detection in the apparel industry
- arxiv url: http://arxiv.org/abs/2207.12720v1
- Date: Tue, 26 Jul 2022 08:21:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-27 12:47:47.589124
- Title: Convolutional neural networks and multi-threshold analysis for
contamination detection in the apparel industry
- Title(参考訳): アパレル産業における畳み込みニューラルネットワークと汚染検出のためのマルチ閾値解析
- Authors: Marco Boresta, Tommaso Colombo, Alberto De Santis
- Abstract要約: この研究は、完成品の小さな部品が与える汚染を自動的に検出するものである。
検出器は実際の生産工場に配備された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quality control of apparel items is mandatory in modern textile industry, as
consumer's awareness and expectations about the highest possible standard is
constantly increasing in favor of sustainable and ethical textile products.
Such a level of quality is achieved by checking the product throughout its life
cycle, from raw materials to boxed stock. Checks may include color shading
tests, fasteners fatigue tests, fabric weigh tests, contamination tests, etc.
This work deals specifically with the automatic detection of contaminations
given by small parts in the finished product such as raw material like little
stones and plastic bits or materials from the construction process, like a
whole needle or a clip. Identification is performed by a two-level processing
of X-ray images of the items: in the first, a multi-threshold analysis
recognizes the contaminations by gray level and shape attributes; the second
level consists of a deep learning classifier that has been trained to
distinguish between true positives and false positives. The automatic detector
was successfully deployed in an actual production plant, since the results
satisfy the technical specification of the process, namely a number of false
negatives smaller than 3% and a number of false positives smaller than 15%.
- Abstract(参考訳): 現代の繊維産業ではアパレル品の品質管理が必須であり、消費者の最も高い基準に対する認識と期待が持続可能で倫理的な織物製品に傾き続けている。
このような品質のレベルは、原料から箱詰まで、ライフサイクルを通して製品をチェックすることで達成される。
チェックには、カラーシェーディングテスト、ファスナー疲労テスト、布重量テスト、汚染テストなどが含まれる。
この研究は、小さな石やプラスチックのビットなどの原料や、針やクリップなどの建設工程の材料など、完成品の小さな部品が与える汚染を自動的に検出するものである。
第1のマルチthreshold分析では、灰色レベルと形状属性による汚染を認識する。第2のレベルは、真正と偽陽性の区別を訓練されたディープラーニング分類器で構成される。
自動検出器は、3%未満の偽陰性数と15%未満の偽陽性数という、プロセスの技術的な仕様を満たすため、実際の製造工場でうまく展開された。
関連論文リスト
- BAND-2k: Banding Artifact Noticeable Database for Banding Detection and
Quality Assessment [52.1640725073183]
バンディングは階段のような輪郭としても知られ、圧縮または量子化アルゴリズムによって処理された画像やビデオの平坦な領域で頻繁に発生する。
これまでに2000枚のバンド化画像からなるBanding Artifact Noticeable Database (BAND-2k) という,最大のBanding IQAデータベースを構築した。
デュアル畳み込みニューラルネットワークを用いて、高周波および低周波マップから特徴表現を同時に学習する。
論文 参考訳(メタデータ) (2023-11-29T15:56:31Z) - FABLE : Fabric Anomaly Detection Automation Process [4.243356707599485]
産業における教師なしの異常は、ハイパフォーマンスな産業自動化プロセスのための話題と足掛かりとなっている。
本稿では,工業布地質欠陥検出のための特異性学習プロセスによる自動化プロセスを提案する。
論文 参考訳(メタデータ) (2023-06-16T13:35:46Z) - Digital staining in optical microscopy using deep learning -- a review [47.86254766044832]
デジタル染色は、光学的コントラストから実際の染色の確立された生化学的コントラストへの翻訳に近代的な深層学習を利用するための有望な概念として登場した。
この分野の現状を詳細に分析し、優れた実践方法を提案し、落とし穴と課題を特定し、将来の実装やアプリケーションに向けた将来的な進歩を仮定する。
論文 参考訳(メタデータ) (2023-03-14T15:23:48Z) - 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) - Fingerprint Liveness Detection Based on Quality Measures [66.76480178498315]
新たな特徴セットは、完全なライブネス検出システムで使用され、LivDETコンペティションの開発セットでテストされている。
提案手法はマルチセンサのシナリオに対して堅牢であることが証明され、全体の93%が正しく分類されたサンプルである。
論文 参考訳(メタデータ) (2022-07-11T12:15:27Z) - An Industry 4.0 example: real-time quality control for steel-based mass
production using Machine Learning on non-invasive sensor data [0.0]
大量生産における鋼の不十分な品質は、工具、生産停止時間、品質の低い製品にコストがかかる可能性がある。
我々は,全材料をリアルタイムで測定する非接触非侵襲電磁センサを開発した。
線形モデルは、非侵襲的な2つの重要な材料特性から予測するために適合する。
モデルは、引張強度の仕様が切れた材料を予測する優れた性能(F3スコア0.95)を達成する。
論文 参考訳(メタデータ) (2022-06-12T19:06:57Z) - 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) - Workpiece Image-based Tool Wear Classification in Blanking Processes
Using Deep Convolutional Neural Networks [0.0]
ブランキングプロセスは、その経済効率のために最も広く使われている製造技術に属している。
彼らの経済的生存性は、製品の品質と関連する顧客満足度、および可能なダウンタイムに大きく依存する。
論文 参考訳(メタデータ) (2021-07-26T08:49:08Z) - Cascaded Robust Learning at Imperfect Labels for Chest X-ray
Segmentation [61.09321488002978]
不完全アノテーションを用いた胸部X線分割のための新しいカスケードロバスト学習フレームワークを提案する。
モデルは3つの独立したネットワークから成り,ピアネットワークから有用な情報を効果的に学習できる。
提案手法は,従来の手法と比較して,セグメント化タスクの精度を大幅に向上させることができる。
論文 参考訳(メタデータ) (2021-04-05T15:50:16Z) - Automation of Hemocompatibility Analysis Using Image Segmentation and a
Random Forest [2.5445394992810924]
本稿では,光学的血小板数と解析のための自動化手法を提案する。
教師付きランダムフォレストは、領域、周、円といった特徴を用いて成分から導出される特徴ベクトルに適用される。
全体的な精度が高く、エラー率も低いため、ランダム森林は信頼性の高い結果が得られる。
論文 参考訳(メタデータ) (2020-10-13T09:13:00Z)
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。