論文の概要: Gap and Overlap Detection in Automated Fiber Placement
- arxiv url: http://arxiv.org/abs/2309.00206v1
- Date: Fri, 1 Sep 2023 01:48:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-04 14:52:16.806131
- Title: Gap and Overlap Detection in Automated Fiber Placement
- Title（参考訳）: 自動ファイバ配置におけるギャップと重なり検出
- Authors: Assef Ghamisi and Homayoun Najjaran
- Abstract要約: 高品質な複合部品の確保には、製造欠陥、特にギャップと重複の特定と補正が不可欠である。
本稿では,光学コヒーレンス・トモグラフィ(OCT)センサとコンピュータビジョン技術を用いて,複合部品のギャップや重なりを検出する手法を提案する。
その結果,ギャップと重なりのセグメンテーションにおいて高い精度と効率が示された。
- 参考スコア（独自算出の注目度）: 4.0466311968093365
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The identification and correction of manufacturing defects, particularly gaps
and overlaps, are crucial for ensuring high-quality composite parts produced
through Automated Fiber Placement (AFP). These imperfections are the most
commonly observed issues that can significantly impact the overall quality of
the composite parts. Manual inspection is both time-consuming and
labor-intensive, making it an inefficient approach. To overcome this challenge,
the implementation of an automated defect detection system serves as the
optimal solution. In this paper, we introduce a novel method that uses an
Optical Coherence Tomography (OCT) sensor and computer vision techniques to
detect and locate gaps and overlaps in composite parts. Our approach involves
generating a depth map image of the composite surface that highlights the
elevation of composite tapes (or tows) on the surface. By detecting the
boundaries of each tow, our algorithm can compare consecutive tows and identify
gaps or overlaps that may exist between them. Any gaps or overlaps exceeding a
predefined tolerance threshold are considered manufacturing defects. To
evaluate the performance of our approach, we compare the detected defects with
the ground truth annotated by experts. The results demonstrate a high level of
accuracy and efficiency in gap and overlap segmentation.
- Abstract（参考訳）: 自動繊維プレースメント(AFP)によって製造される高品質な複合部品の確保には,製造欠陥,特にギャップとオーバーラップの識別と補正が不可欠である。
これらの欠陥は、複合部品全体の品質に大きな影響を及ぼす最も一般的な問題である。
手動検査は時間がかかり、労働集約的であり、非効率なアプローチである。
この課題を克服するため、自動欠陥検出システムの実装が最適なソリューションである。
本稿では,光学コヒーレンス・トモグラフィ(OCT)センサとコンピュータビジョン技術を用いて,複合部品のギャップや重なりを検出する手法を提案する。
提案手法では, 合成テープ(あるいはトウ)の表面上の標高を強調した合成表面の深度マップ画像を生成する。
それぞれのトウの境界を検出することで、連続するトウを比較でき、それらの間に存在する可能性のあるギャップや重複を特定することができる。
予め定義された許容しきい値を超えるギャップや重なりは、製造欠陥とみなされる。
提案手法の性能を評価するため,検出された欠陥と専門家による注釈付き真実を比較した。
その結果,ギャップ分割と重なり分割において高い精度と効率が得られた。
関連論文リスト
- GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。
本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。
提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
論文 参考訳（メタデータ） (2024-07-17T09:27:41Z) - SCL-VI: Self-supervised Context Learning for Visual Inspection of
Industrial Defects [4.487908181569429]
本稿では,有名なジグソーパズルに取り組むことで,最適なエンコーダを導出する自己教師型学習アルゴリズムを提案する。
提案手法では, 対象画像を9つのパッチに分割し, エンコーダに2つのパッチ間の相対的な位置関係を予測して, リッチなセマンティクスを抽出する。
論文 参考訳（メタデータ） (2023-11-11T08:01:40Z) - Global Context Aggregation Network for Lightweight Saliency Detection of
Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。
まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。
3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文 参考訳（メタデータ） (2023-09-22T06:19:11Z) - Automated Semiconductor Defect Inspection in Scanning Electron
Microscope Images: a Systematic Review [4.493547775253646]
機械学習アルゴリズムは、半導体サンプルの欠陥を正確に分類し、特定するために訓練することができる。
畳み込みニューラルネットワークはこの点において特に有用であることが証明されている。
本稿では,SEM画像における半導体欠陥の自動検査の現状について概観する。
論文 参考訳（メタデータ） (2023-08-16T13:59:43Z) - Anomaly Detection in Automated Fibre Placement: Learning with Data
Limitations [3.103778949672542]
自動繊維配置における欠陥検出と局所化のための包括的枠組みを提案する。
我々のアプローチは教師なしのディープラーニングと古典的なコンピュータビジョンアルゴリズムを組み合わせる。
様々な表面の問題を効率よく検出し、訓練のために複合部品のイメージを少なくする。
論文 参考訳（メタデータ） (2023-07-15T22:13:36Z) - MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential
Deepfake Detection [81.59191603867586]
シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。
偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。
顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
論文 参考訳（メタデータ） (2023-07-06T02:32:08Z) - Exposure Fusion for Hand-held Camera Inputs with Optical Flow and
PatchMatch [53.149395644547226]
ハンドヘルドカメラによるマルチ露光画像融合のためのハイブリッド合成法を提案する。
提案手法は,このような動作に対処し,各入力の露光情報を効果的に維持する。
実験の結果,本手法の有効性とロバスト性を示した。
論文 参考訳（メタデータ） (2023-04-10T09:06:37Z) - Deep Learning based Defect classification and detection in SEM images: A
Mask R-CNN approach [2.7180863515048674]
我々は,コンピュータビジョンのためのディープラーニングアルゴリズムであるMask-RCNN(Regional Convolutional Neural Network)の応用を実証した。
我々は,ブリッジ,ブレーク,ライン崩壊など,クラス間のさまざまな欠陥パターンを検出し,セグメンテーションすることを目的としている。
論文 参考訳（メタデータ） (2022-11-03T23:26:40Z) - Target-aware Dual Adversarial Learning and a Multi-scenario
Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。
従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。
本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
論文 参考訳（メタデータ） (2022-03-30T11:44:56Z) - Next-generation perception system for automated defects detection in
composite laminates via polarized computational imaging [6.933423659347162]
本稿では,複合積層板の欠陥を識別する偏極型画像処理システムの初期実装と実演について述べる。
提案した視覚システムは, ガラス繊維および炭素繊維積層体の欠陥タイプと表面特性(例えば, ピンホール, ヴォイド, 引っかき傷, 樹脂フラッシュ)の同定に成功している。
論文 参考訳（メタデータ） (2021-08-24T16:09:48Z) - Reference-based Defect Detection Network [57.89399576743665]
最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。
第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。
本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
論文 参考訳（メタデータ） (2021-08-10T05:44:23Z)
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。