論文の概要: In-situ Anomaly Detection in Additive Manufacturing with Graph Neural
Networks
- arxiv url: http://arxiv.org/abs/2305.02695v1
- Date: Thu, 4 May 2023 10:10:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 16:12:00.878318
- Title: In-situ Anomaly Detection in Additive Manufacturing with Graph Neural
Networks
- Title(参考訳): グラフニューラルネットワークを用いた添加物製造におけるその場異常検出
- Authors: Sebastian Larsen and Paul A. Hooper
- Abstract要約: モデルはレーザー入力情報に基づいてトレーニングされ、名目上のレーザー融解条件を予測する。
そして、予測値と新しい観測値との差を取り、異常スコアを算出する。
このモデルは、既知の欠陥のあるデータセット上で評価され、F1スコアは0.821である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transforming a design into a high-quality product is a challenge in metal
additive manufacturing due to rare events which can cause defects to form.
Detecting these events in-situ could, however, reduce inspection costs, enable
corrective action, and is the first step towards a future of tailored material
properties. In this study a model is trained on laser input information to
predict nominal laser melting conditions. An anomaly score is then calculated
by taking the difference between the predictions and new observations. The
model is evaluated on a dataset with known defects achieving an F1 score of
0.821. This study shows that anomaly detection methods are an important tool in
developing robust defect detection methods.
- Abstract(参考訳): 高品質な製品にデザインを変換することは、金属添加物の製造において、欠陥を生じさせる稀な出来事による課題である。
しかし、これらの事象をその場で検出することは、検査コストを削減し、是正措置を可能にし、調整された材料特性の将来に向けた第一歩となる。
本研究では, レーザー入力情報を用いて, レーザー融解条件の予測を行う。
そして、予測値と新たな観測値の差を利用して異常スコアを算出する。
このモデルは、既知の欠陥のあるデータセット上で評価され、F1スコアは0.821である。
本研究は,ロバストな欠陥検出法を開発する上で,異常検出法が重要なツールであることを示す。
関連論文リスト
- AnomalyDiffusion: Few-Shot Anomaly Image Generation with Diffusion Model [59.08735812631131]
製造業において異常検査が重要な役割を担っている。
既存の異常検査手法は、異常データが不足しているため、その性能に制限がある。
本稿では,新しい拡散型マイクロショット異常生成モデルであるAnomalyDiffusionを提案する。
論文 参考訳(メタデータ) (2023-12-10T05:13:40Z) - Anomaly detection for automated inspection of power line insulators [0.0]
電力系統の信頼性を確保するためには絶縁体の検査が重要である。
深層学習は、ドローンが捉えた空中画像を活用することで、検査プロセスを自動化するために研究されている。
本稿では,物体検出と異常検出を併用し,絶縁体中の欠陥を確実に検出する2段階の手法を提案する。
論文 参考訳(メタデータ) (2023-11-14T11:36:20Z) - CINFormer: Transformer network with multi-stage CNN feature injection
for surface defect segmentation [73.02218479926469]
表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。
CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。
さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
論文 参考訳(メタデータ) (2023-09-22T06:12:02Z) - A Novel Strategy for Improving Robustness in Computer Vision
Manufacturing Defect Detection [1.3198689566654107]
高性能製造における視覚的品質検査は、コスト削減と改善された厳密さのために自動化の恩恵を受けることができる。
ディープラーニング技術は、分類やオブジェクト検出といった汎用的なコンピュータビジョンタスクの最先端技術である。
データが反復的であり、そこから学ぶべき欠陥や逸脱のイメージがほとんどないからである。
論文 参考訳(メタデータ) (2023-05-16T12:51:51Z) - 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) - SLA$^2$P: Self-supervised Anomaly Detection with Adversarial
Perturbation [77.71161225100927]
異常検出は、機械学習の基本的な問題であるが、難しい問題である。
本稿では,非教師付き異常検出のための新しい強力なフレームワークであるSLA$2$Pを提案する。
論文 参考訳(メタデータ) (2021-11-25T03:53:43Z) - Performance, Successes and Limitations of Deep Learning Semantic
Segmentation of Multiple Defects in Transmission Electron Micrographs [9.237363938772479]
深層学習Mask Regional Convolutional Neural Network (Mask R-CNN)モデルを用いて, 電子顕微鏡によるFeCrAl合金の欠陥のセマンティックセグメンテーションを行う。
本稿では, 欠陥形状の予測分布, 欠陥サイズ, 欠陥同感度などの量に着目し, キーモデルの性能統計の詳細な分析を行う。
全体として、現在のモデルは、顕微鏡画像中の複数の欠陥タイプを自動解析し、定量化するための、高速で効果的なツールであることがわかった。
論文 参考訳(メタデータ) (2021-10-15T17:57:59Z) - Explainable Deep Few-shot Anomaly Detection with Deviation Networks [123.46611927225963]
本稿では,弱い教師付き異常検出フレームワークを導入し,検出モデルを訓練する。
提案手法は,ラベル付き異常と事前確率を活用することにより,識別正規性を学習する。
我々のモデルはサンプル効率が高く頑健であり、クローズドセットとオープンセットの両方の設定において最先端の競合手法よりもはるかに優れている。
論文 参考訳(メタデータ) (2021-08-01T14:33:17Z) - An Uncertainty-Aware Deep Learning Framework for Defect Detection in
Casting Products [11.792984988875157]
鋳造工程の複雑さのため、鋳造工程では欠陥は避けられない。
CNNは画像分類と欠陥検出の両方に広く応用されている。
頻繁な推測を持つCNNは、トレーニングするために大量のデータを必要とし、予測の不確実性に関する有益な見積もりを報告するのに依然として不足している。
論文 参考訳(メタデータ) (2021-07-24T16:17:20Z) - Anomaly detection and automatic labeling for solar cell quality
inspection based on Generative Adversarial Network [0.0]
太陽電池の欠陥検出のための検査システムを開発するパイプラインを提案する。
第1段階では、異常検出のために医療領域で使用されているGAN(Generative Adversarial Network)が検査に適応される。
不良サンプルが発生すると、訓練されたモデルで自動的にピクセルレベルでラベル付けされ、第2モデルの監督トレーニングに使用されます。
論文 参考訳(メタデータ) (2021-03-05T07:53:59Z) - Predictive modeling approaches in laser-based material processing [59.04160452043105]
本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。
その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。
結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
論文 参考訳(メタデータ) (2020-06-13T17:28:52Z)
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。