論文の概要: Wood Surface Inspection Using Structural and Conditional Statistical Features
- arxiv url: http://arxiv.org/abs/2407.03630v1
- Date: Thu, 4 Jul 2024 04:44:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-08 19:11:48.496832
- Title: Wood Surface Inspection Using Structural and Conditional Statistical Features
- Title（参考訳）: 構造的・条件的統計的特徴を用いた木材表面検査
- Authors: Cem Ünsalan,
- Abstract要約: 本研究では,木面画像のガウス応答のマグニチュードとラプラシアンからの支持領域抽出に基づく解を提案する。
木材表面の自動検査システムを大規模データセット上でテストし,有望な結果を得た。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Surface quality is an extremely important issue for wood products in the market. Although quality inspection can be made by a human expert while manufacturing, this operation is prone to errors. One possible solution may be using standard machine vision techniques to automatically detect defects on wood surfaces. Due to the random texture on wood surfaces, this solution is also not possible most of the times. Therefore, more advanced and novel machine vision techniques are needed to automatically inspect wood surfaces. In this study, we propose such a solution based on support region extraction from the gradient magnitude and the Laplacian of Gaussian response of the wood surface image. We introduce novel structural and conditional statistical features using these support regions. Then, we classify different defect types on wood surfaces using our novel features. We tested our automated wood surface inspection system on a large data set and obtained very promising results.
- Abstract（参考訳）: 表面品質は、市場での木材製品にとって非常に重要な問題である。
品質検査は、製造中に人間の専門家が行うことができるが、この操作は間違いをしがちである。
可能な解決策の1つは、標準的な機械ビジョン技術を使用して、木材表面の欠陥を自動的に検出することかもしれない。
木材表面のランダムなテクスチャのため、この溶液はほとんどの場合不可能である。
そのため、木材表面の自動検査には、より先進的で斬新な機械ビジョン技術が必要である。
本研究では,木表面画像のガウス応答の勾配等級とラプラシアンから支持領域を抽出する手法を提案する。
これらのサポート領域を用いた新しい構造的・条件的統計特徴を導入する。
そして, 木材表面の欠陥の種類を, 新たな特徴を用いて分類する。
木材表面の自動検査システムを大規模データセット上でテストし,有望な結果を得た。
関連論文リスト
- ND-SDF: Learning Normal Deflection Fields for High-Fidelity Indoor Reconstruction [50.07671826433922]
微妙な幾何を同時に復元し、異なる特徴を持つ領域をまたいだ滑らかさを保つことは自明ではない。
そこで我々は,ND-SDFを提案する。ND-SDFは,通常のシーンとそれ以前のシーンの角偏差を表す正規偏向場を学習する。
本手法は, 壁面や床面などのスムーズなテクスチャ構造を得るだけでなく, 複雑な構造の幾何学的詳細も保存する。
論文 参考訳（メタデータ） (2024-08-22T17:59:01Z) - Generalized Out-of-Distribution Detection and Beyond in Vision Language Model Era: A Survey [107.08019135783444]
VLM時代のAD, ND, OSR, OOD, ODの進化をカプセル化した一般OOD検出v2を提案する。
我々のフレームワークは、いくつかのフィールド不活性と統合により、要求される課題がOOD検出とADになっていることを明らかにしている。
論文 参考訳（メタデータ） (2024-07-31T17:59:58Z) - Deep Learning methodology for the identification of wood species using high-resolution macroscopic images [6.510691480587631]
本研究は,木材の高分解能マクロ画像による木材種の同定の自動化に寄与する。
本稿では,TDLI-PIV を省略した Patch-based Inference Voting Method を用いたTimber Deep Learning Identificationを提案する。
このデータセットには2120枚の木材の画像が含まれており、37種の木を法的に保護している。
論文 参考訳（メタデータ） (2024-06-17T17:31:57Z) - Towards Multidimensional Textural Perception and Classification Through
Whisker [0.0]
ウィスカーベースの多次元表面テクスチャデータが欠落している。
多次元テクスチャ情報を取得するための新しいセンサ設計を提案する。
センサは、粗さが2.5mu m$以下のテクスチャを90%以上の精度で分類できることを実験的に検証した。
論文 参考訳（メタデータ） (2022-09-01T11:14:17Z) - FuNNscope: Visual microscope for interactively exploring the loss
landscape of fully connected neural networks [77.34726150561087]
ニューラルネットワークの高次元景観特性を探索する方法を示す。
我々は、小さなニューラルネットワークの観測結果をより複雑なシステムに一般化する。
インタラクティブダッシュボードは、いくつかのアプリケーションネットワークを開放する。
論文 参考訳（メタデータ） (2022-04-09T16:41:53Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z) - Data-driven and Automatic Surface Texture Analysis Using Persistent
Homology [1.370633147306388]
合成表面の粗さレベルを分類するためのトポロジカルデータ解析(TDA)手法を提案する。
我々は、表面の形状に関する情報をカプセル化する永続化図を生成する。
次に、Carlsson座標、永続画像、テンプレート関数を用いて、各表面またはプロファイルの特徴行列を求める。
論文 参考訳（メタデータ） (2021-10-19T14:19:58Z) - 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) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - Distance-Based Anomaly Detection for Industrial Surfaces Using Triplet
Networks [2.7173993697663086]
表面異常検出はスクラップ生産を減らすために多くの製造業において重要な品質管理の役割を担っている。
ディープラーニング畳み込みニューラルネットワーク(CNN)は、これらの画像処理ベースのソリューションの最前線にある。
本稿では,この課題に対して,距離に基づく異常検出を目標とした表面テクスチャパッチ上でCNNをトレーニングすることで対処する。
論文 参考訳（メタデータ） (2020-11-09T00:35:21Z) - Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。
ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。
提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
論文 参考訳（メタデータ） (2020-08-18T06:33:40Z)
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。