論文の概要: Tool wear monitoring using an online, automatic and low cost system
based on local texture
- arxiv url: http://arxiv.org/abs/2402.05977v1
- Date: Wed, 7 Feb 2024 22:25:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-12 19:05:01.092757
- Title: Tool wear monitoring using an online, automatic and low cost system
based on local texture
- Title（参考訳）: 局所テクスチャに基づくオンライン・自動・低コストシステムによる工具摩耗監視
- Authors: M. T. Garc\'ia-Ord\'as, E. Alegre-Guti\'errez, R. Alaiz-Rodr\'iguez,
V. Gonz\'alez-Castro
- Abstract要約: 本稿では, エッジプロファイル加工プロセスで使用される切断ツールが, 摩耗量に基づいて使用可能なのか, 使用可能なのかを判定するための, オンライン, 低コスト, 高速な新しい手法を提案する。
私たちは、エッジプロファイルカットヘッドの254イメージの新しいデータセットを作成しました。
提案手法は,(1)WP(Wear Patches)と呼ばれる異なる領域の切欠き画像を分割し,(2)局所バイナリパターン(LBP)の異なる変種に基づいて,テクスチャ記述子を用いて各領域を着用または使用可能なものとして特徴付け,(3)状態に基づいて決定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work we propose a new online, low cost and fast approach based on
computer vision and machine learning to determine whether cutting tools used in
edge profile milling processes are serviceable or disposable based on their
wear level. We created a new dataset of 254 images of edge profile cutting
heads which is, to the best of our knowledge, the first publicly available
dataset with enough quality for this purpose. All the inserts were segmented
and their cutting edges were cropped, obtaining 577 images of cutting edges:
301 functional and 276 disposable. The proposed method is based on (1) dividing
the cutting edge image in different regions, called Wear Patches (WP), (2)
characterising each one as worn or serviceable using texture descriptors based
on different variants of Local Binary Patterns (LBP) and (3) determine, based
on the state of these WP, if the cutting edge (and, therefore, the tool) is
serviceable or disposable. We proposed and assessed five different patch
division configurations. The individual WP were classified by a Support Vector
Machine (SVM) with an intersection kernel. The best patch division
configuration and texture descriptor for the WP achieves an accuracy of 90.26%
in the detection of the disposable cutting edges. These results show a very
promising opportunity for automatic wear monitoring in edge profile milling
processes.
- Abstract（参考訳）: 本研究では,コンピュータビジョンと機械学習に基づく新しいオンライン,低コスト,高速なアプローチを提案する。
私たちは、エッジプロファイル切断ヘッドの254枚の画像からなる新しいデータセットを作成しました。
全インサートを分割し、切削刃を切削し、577枚の切削刃の画像を得た(301枚、使い捨て276枚)。
提案手法は,(1)ウェアラブルパッチ (WP) と呼ばれる各領域の切欠き画像を分割し,(2) 局所バイナリパターン (LBP) の異なる変種に基づくテクスチャ記述子を用いて,各領域を着用または使用可能なものに特徴付け,(3) 切欠きエッジ(およびツール)が使用可能な場合のWPの状態に基づいて決定する。
5種類のパッチ分割構成を提案し評価した。
個々のWPは、共通カーネルを持つSVM(Support Vector Machine)によって分類された。
WPのための最高のパッチ分割構成とテクスチャ記述子は、使い捨ての切断エッジの検出において90.26%の精度を達成する。
これらの結果は、エッジプロファイルミリングプロセスにおける自動摩耗監視の極めて有望な機会を示す。
関連論文リスト
- SuperEdge: Towards a Generalization Model for Self-Supervised Edge
Detection [2.912976132828368]
最先端のピクセルワイドアノテーションは労働集約的であり、手作業で取得すると矛盾する。
本稿では, マルチレベルのマルチホログラフィー技術を用いて, 合成データセットから実世界のデータセットへアノテーションを転送する, エッジ検出のための新しい自己教師型アプローチを提案する。
提案手法は,手動の注釈付きエッジラベルへの依存性を排除し,多様なデータセット間の一般化性を向上させる。
論文 参考訳（メタデータ） (2024-01-04T15:21:53Z) - Seam-guided local alignment and stitching for large parallax images [10.952532257471113]
そこで本研究では,シーム品質評価による局所的アライメントと縫合法を提案する。
まず,既存の画像アライメントとシームカット法を用いて初期シームを計算する。
低画質の画素に対しては、アライメントされた画像に囲むパッチを分離し、局所的にアライメントする。
最後に,アライメントパッチをシームカットにより合成し,元のアライメント結果にマージして最終モザイクを生成する。
論文 参考訳（メタデータ） (2023-11-30T13:55:29Z) - SKU-Patch: Towards Efficient Instance Segmentation for Unseen Objects in
Auto-Store [102.45729472142526]
大規模な倉庫では、精密なケースマスクがロボットのビンピッキングに欠かせない。
本稿では,新たなSKUに対して,いくつかのイメージパッチのみを活用するパッチ誘導型インスタンスセグメンテーションソリューションを提案する。
SKU-Patchは、ロボット支援自動ストアロジスティックパイプラインにおいて、50以上の見えないSKUに対して、平均して100%近い成功率を得る。
論文 参考訳（メタデータ） (2023-11-08T12:44:38Z) - Model-free Grasping with Multi-Suction Cup Grippers for Robotic Bin
Picking [63.15595970667581]
複数の吸引カップを有する吸引グリップパのグリップポーズのモデルフリー予測法を提案する。
本手法はグリッパーの設計に非依存であり,グリッパー固有のトレーニングデータを必要としない。
論文 参考訳（メタデータ） (2023-07-31T08:33:23Z) - Delving into Crispness: Guided Label Refinement for Crisp Edge Detection [14.26122188105415]
学習ベースのエッジ検出は通常、厚いエッジの予測に苦しむ。
ノイズの多い人間のラベル付きエッジが、厚い予測の主な原因であることがわかった。
そこで本研究では,Canny-Guided refinement of human-labeled edgesを提案する。
論文 参考訳（メタデータ） (2023-06-27T03:12:58Z) - Meshless method stencil evaluation with machine learning [78.6363825307044]
本稿では,ラベル付きステンシルデータセットの生成手順を説明し,ポイントネットの変動を利用してステンシルの品質を分類する手法を提案する。
このモデルは、曲線(AUC)の約0.90の範囲で、最高のステンシルと最悪のステンシルを検出するのに特に適している。
論文 参考訳（メタデータ） (2022-04-25T14:27:30Z) - Weakly Supervised Patch Label Inference Networks for Efficient Pavement
Distress Detection and Recognition in the Wild [14.16549562799135]
Weakly Supervised Patch Label Inference Networks (WSPLIN) を提案する。
WSPLINは、完全に教師付き舗装画像分類問題を弱教師付き舗装画像分類問題に変換する。
本手法は, 大規模舗装救難データセットを用いて評価する。
論文 参考訳（メタデータ） (2022-03-31T04:01:02Z) - An End-to-End Approach for Seam Carving Detection using Deep Neural
Networks [0.0]
シーム・カービング(Seam Carving)は、画像形状ではなく、その内容に基づいて画像の縮小と拡大の両面を縮小する計算方法である。
本稿では,自動シーム彫刻検出の課題に対処するためのエンドツーエンドアプローチを提案する。
論文 参考訳（メタデータ） (2022-03-05T12:53:55Z) - Grasp-Oriented Fine-grained Cloth Segmentation without Real Supervision [66.56535902642085]
本稿では, 深度画像のみを用いて, 変形した衣服のきめ細かい領域検出の問題に取り組む。
最大で6つの意味領域を定義し, 首の縁, スリーブカフ, ヘム, 上と下をつかむ点を含む。
これらの部品のセグメント化とラベル付けを行うために,U-net ベースのネットワークを導入する。
合成データのみを用いてネットワークをトレーニングし、提案したDAが実データでトレーニングしたモデルと競合する結果が得られることを示す。
論文 参考訳（メタデータ） (2021-10-06T16:31:20Z) - SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。
我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。
複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
論文 参考訳（メタデータ） (2021-04-07T19:27:17Z) - Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge
Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。
これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文 参考訳（メタデータ） (2020-03-28T18:51:43Z)
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。