論文の概要: Recognition of Defective Mineral Wool Using Pruned ResNet Models
- arxiv url: http://arxiv.org/abs/2211.00466v1
- Date: Tue, 1 Nov 2022 13:58:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 14:36:17.906307
- Title: Recognition of Defective Mineral Wool Using Pruned ResNet Models
- Title(参考訳): Pruned ResNetモデルを用いた欠陥ミネラルウール認識
- Authors: Mehdi Rafiei, Dat Thanh Tran, Alexandros Iosifidis
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 88.24021148516319
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mineral wool production is a non-linear process that makes it hard to control
the final quality. Therefore, having a non-destructive method to analyze the
product quality and recognize defective products is critical. For this purpose,
we developed a visual quality control system for mineral wool. X-ray images of
wool specimens were collected to create a training set of defective and
non-defective samples. Afterward, we developed several recognition models based
on the ResNet architecture to find the most efficient model. In order to have a
light-weight and fast inference model for real-life applicability, two
structural pruning methods are applied to the classifiers. Considering the low
quantity of the dataset, cross-validation and augmentation methods are used
during the training. As a result, we obtained a model with more than 98%
accuracy, which in comparison to the current procedure used at the company, it
can recognize 20% more defective products.
- Abstract(参考訳): ミネラルウールの生産は、最終品質の制御を困難にする非線形プロセスである。
したがって、製品品質を分析し、欠陥製品を認識する非破壊的な方法を持つことが重要である。
そこで我々は,ミネラルウールの視覚品質制御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。
その後、最も効率的なモデルを見つけるために、resnetアーキテクチャに基づく複数の認識モデルを開発した。
実寿命に適用可能な軽量かつ高速な推定モデルを構築するために, 2つの構造的刈り込み法を分類器に適用した。
データセットの少ない量を考慮すると、トレーニング中にクロスバリデーションと拡張メソッドが使用される。
その結果、98%以上の精度のモデルが得られたが、現在の手法と比較して20%以上の欠陥製品を認識することができた。
関連論文リスト
- Evaluating Vision Transformer Models for Visual Quality Control in Industrial Manufacturing [0.0]
工業生産における機械学習の最も有望なユースケースの1つは、欠陥のある製品の早期発見である。
我々は、異常検出手法とともに、現在の視覚変換器モデルを評価する。
品質管理システムに適したモデルアーキテクチャを実際に選択するためのガイドラインを提示する。
論文 参考訳(メタデータ) (2024-11-22T14:12:35Z) - Training on the Test Model: Contamination in Ranking Distillation [14.753216172912968]
蒸留における汚染された教師モデルの効果について検討する。
教師のトレーニングサンプルのごく一部を表すテストデータであっても,汚染が生じることが判明した。
論文 参考訳(メタデータ) (2024-11-04T17:11:14Z) - Improved Distribution Matching Distillation for Fast Image Synthesis [54.72356560597428]
この制限を解除し、MDDトレーニングを改善する一連の技術であるMDD2を紹介する。
まず、回帰損失と高価なデータセット構築の必要性を排除します。
第2に, GAN損失を蒸留工程に統合し, 生成した試料と実画像との識別を行う。
論文 参考訳(メタデータ) (2024-05-23T17:59:49Z) - Wafer Map Defect Patterns Semi-Supervised Classification Using Latent
Vector Representation [8.400553138721044]
集積回路製造段階における欠陥検出の需要はますます重要になりつつある。
従来のウェハマップ欠陥パターン検出法は、電子顕微鏡を用いた手動検査を含む。
手動操作の代わりに欠陥を自動的に検出できるモデルを提案する。
論文 参考訳(メタデータ) (2023-10-06T08:23:36Z) - Voxel-wise classification for porosity investigation of additive
manufactured parts with 3D unsupervised and (deeply) supervised neural
networks [5.467497693327066]
本研究は,X-CT画像からのAMサンプルの容積解析のための最近の教師付き (UNet, UNet++, UNet 3+, MSS-UNet) と教師なし (VAE, ceVAE, gmVAE, vqVAE) DLモデルを再検討する。
3次元入力データを3次元パッチパイプラインで受け入れるように拡張し、計算要求を低くし、効率と一般化性を改善した。
VAE/ceVAEモデルは、特に後処理技術を利用した場合、優れた性能を示した。
論文 参考訳(メタデータ) (2023-05-13T11:23:00Z) - Post-training Model Quantization Using GANs for Synthetic Data
Generation [57.40733249681334]
量子化法における実データを用いたキャリブレーションの代用として合成データを用いた場合について検討する。
本稿では,StyleGAN2-ADAが生成したデータと事前学習したDiStyleGANを用いて定量化したモデルの性能と,実データを用いた量子化とフラクタル画像に基づく代替データ生成手法との比較を行った。
論文 参考訳(メタデータ) (2023-05-10T11:10:09Z) - An Adversarial Active Sampling-based Data Augmentation Framework for
Manufacturable Chip Design [55.62660894625669]
リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。
機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。
本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
論文 参考訳(メタデータ) (2022-10-27T20:53:39Z) - Fake It Till You Make It: Near-Distribution Novelty Detection by
Score-Based Generative Models [54.182955830194445]
既存のモデルは、いわゆる"近く分布"設定で失敗するか、劇的な低下に直面します。
本稿では, スコアに基づく生成モデルを用いて, 合成近分布異常データを生成することを提案する。
本手法は,9つのノベルティ検出ベンチマークにおいて,近分布ノベルティ検出を6%改善し,最先端のノベルティ検出を1%から5%パスする。
論文 参考訳(メタデータ) (2022-05-28T02:02:53Z) - Outlier-Robust Learning of Ising Models Under Dobrushin's Condition [57.89518300699042]
本研究では, サンプルの一定割合が逆向きに破壊されるような外乱条件下で, ドブルシンの条件を満たすIsingモデルの学習問題について検討する。
我々の主な成果は、ほぼ最適誤差保証を伴うこの問題に対して、計算効率のよい最初の頑健な学習アルゴリズムを提供することである。
論文 参考訳(メタデータ) (2021-02-03T18:00:57Z) - Toward Enabling a Reliable Quality Monitoring System for Additive
Manufacturing Process using Deep Convolutional Neural Networks [0.0]
本稿では, 深層畳み込みニューラルネットワーク(CNN)モデルを用いて, 添加物製造(AM)プロセスの自動品質評価システムを提案する。
CNNモデルは, 層間積層における内部および表面欠陥の画像を用いてオフラインで訓練し, 異なる押出成形速度と温度でAMプロセスの故障を検出し, 分類する性能について検討した。
提案するオンラインモデルでは,AMプロセスに自動で一貫した非接触品質制御信号が付加され,完全構築後の部品の手動検査が不要になる。
論文 参考訳(メタデータ) (2020-03-06T20:49:20Z)
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。