論文の概要: Automated visual inspection of CMS HGCAL silicon sensor surface using an ensemble of a deep convolutional autoencoder and classifier

• arxiv url: http://arxiv.org/abs/2303.15319v1
• Date: Thu, 9 Mar 2023 11:54:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-31 16:19:34.580878
• Title: Automated visual inspection of CMS HGCAL silicon sensor surface using an ensemble of a deep convolutional autoencoder and classifier
• Title（参考訳）: 深部畳み込み型オートエンコーダと分類器のアンサンブルを用いたCMS HGCAL シリコンセンサ表面の視覚的自動検査
• Authors: Sonja Gr\"onroos, Maurizio Pierini, Nadezda Chernyavskaya
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.6626046865692057
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: More than a thousand 8" silicon sensors will be visually inspected to look for anomalies on their surface during the quality control preceding assembly into the High-Granularity Calorimeter for the CMS experiment at CERN. A deep learning-based algorithm that pre-selects potentially anomalous images of the sensor surface in real time has been developed to automate the visual inspection. The anomaly detection is done by an ensemble of independent deep convolutional neural networks: an autoencoder and a classifier. The performance is evaluated on images acquired in production. The pre-selection reduces the number of images requiring human inspection by 85%, with recall of 97%. Data gathered in production can be used for continuous learning to improve the accuracy incrementally.
• Abstract（参考訳）: CERNのCMS実験のための高グラニュラリティカロリメータ(High-Granularity Calorimeter)の組み立て前の品質管理において、1000以上の8インチのシリコンセンサーが表面の異常を調べるために視覚的に検査される。 視覚検査の自動化のために,センサ表面の異常な画像をリアルタイムで事前選択する深層学習に基づくアルゴリズムを開発した。 異常検出は独立した深層畳み込みニューラルネットワーク(オートエンコーダと分類器)のアンサンブルによって行われる。 性能は生産時に取得した画像で評価される。 事前選択により、人間の検査を必要とする画像の数は85%減少し、97%のリコールとなった。 プロダクションに収集されたデータは、継続的に学習することで、精度を段階的に向上することができる。

関連論文リスト

• Automated Segmentation and Analysis of Microscopy Images of Laser Powder Bed Fusion Melt Tracks [0.0]
  断面画像から溶融トラック次元を自動的に識別し,計測する画像分割ニューラルネットワークを提案する。 我々は、U-Netアーキテクチャを用いて、異なる研究室、機械、材料から得られた62個の事前ラベル付き画像のデータセットと、画像拡張を併用したトレーニングを行う。
  論文  参考訳（メタデータ） (2024-09-26T22:44:00Z)
• Deep convolutional neural networks for cyclic sensor data [0.0]
  本研究では,センサによる条件モニタリングに焦点をあて,深層学習技術の応用について検討する。 本研究は,従来手法を用いたベースラインモデル,早期センサフュージョンを用いた単一CNNモデル,後期センサフュージョンを用いた2車線CNNモデル (2L-CNN) の3つのモデルの性能を比較した。
  論文  参考訳（メタデータ） (2023-08-14T07:51:15Z)
• Convolutional Neural Generative Coding: Scaling Predictive Coding to Natural Images [79.07468367923619]
  畳み込み型神経生成符号化(Conv-NGC)を開発した。 我々は、潜伏状態マップを段階的に洗練する柔軟な神経生物学的動機付けアルゴリズムを実装した。 本研究は,脳にインスパイアされたニューラル・システムによる再建と画像復調の課題に対する効果について検討する。
  論文  参考訳（メタデータ） (2022-11-22T06:42:41Z)
• Graph Neural Networks with Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data [69.25738064847175]
  各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。 グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。 グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2022-10-20T11:03:21Z)
• 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)
• Automated visual inspection of silicon detectors in CMS experiment [0.0]
  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。
  論文  参考訳（メタデータ） (2022-06-03T07:56:13Z)
• Feature anomaly detection system (FADS) for intelligent manufacturing [0.0]
  FADS(Feature-based Anomaly Detection System)と呼ばれる新しい異常検出アルゴリズムを提案する。 FADSは畳み込みフィルタの活性化を観察して名目入力の統計モデルを生成する。 推測中、システムは新しい入力の畳み込みフィルタのアクティベーションを、期待値の範囲外である統計モデルとフラグのアクティベーションと比較する。
  論文  参考訳（メタデータ） (2022-04-21T17:54:37Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• 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)
• Learning Camera Miscalibration Detection [83.38916296044394]
  本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。 コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。 深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-24T10:32:49Z)

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。