論文の概要: Long working distance portable smartphone microscopy for metallic mesh defect detection
- arxiv url: http://arxiv.org/abs/2408.05518v2
- Date: Tue, 13 Aug 2024 05:16:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-14 14:16:02.835634
- Title: Long working distance portable smartphone microscopy for metallic mesh defect detection
- Title（参考訳）: 金属メッシュ欠陥検出のための長距離携帯型スマートフォン顕微鏡
- Authors: Zhengang Lu, Hongsheng Qin, Jing Li, Ming Sun, Jiubin Tan,
- Abstract要約: LD-RSMは外部光学部品とスマートフォンを備えた4f光イメージングシステムを構築している。
光学分解能は4.92$mu$m、加工距離は22.23mmである。
- 参考スコア（独自算出の注目度）: 5.321896033286659
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Metallic mesh is a transparent electromagnetic shielding film with a fine metal line structure. However, it can develop defects that affect the optoelectronic performance whether in the production preparation or in actual use. The development of in-situ non-destructive testing (NDT) devices for metallic mesh requires long working distances, reflective optical path design, and miniaturization. To address the limitations of existing smartphone microscopes, which feature short working distances and inadequate transmission imaging for industrial in-situ inspection, we propose a novel long-working distance reflective smartphone microscopy system (LD-RSM). LD-RSM builds a 4f optical imaging system with external optical components and a smartphone, utilizing a beam splitter to achieve reflective imaging with the illumination system and imaging system on the same side of the sample. It achieves an optical resolution of 4.92$\mu$m and a working distance of up to 22.23 mm. Additionally, we introduce a dual prior weighted Robust Principal Component Analysis (DW-RPCA) for defect detection. This approach leverages spectral filter fusion and Hough transform to model different defect types, enhancing the accuracy and efficiency of defect identification. Coupled with an optimized threshold segmentation algorithm, DW-RPCA method achieves a pixel-level accuracy of 84.8%. Our work showcases strong potential for growth in the field of in-situ on-line inspection of industrial products.
- Abstract（参考訳）: 金属メッシュは、微細な金属線構造を持つ透明な電磁シールド膜である。
しかし、製造準備中であっても実際の使用中であっても、光電子性能に影響を与える欠陥を発生させることができる。
金属メッシュ用非破壊試験装置(NDT)の開発には、長い作業距離、反射光路設計、小型化が必要である。
産業用インサイトインスペクションのための作業距離の短い既存のスマートフォン顕微鏡の限界に対処するため,新しい長距離反射型スマートフォン顕微鏡システム(LD-RSM)を提案する。
LD-RSMは、外部光学部品とスマートフォンを備えた4f光イメージングシステムを構築し、ビームスプリッタを使用して、試料の一方の照明システムと撮像システムで反射撮像を行う。
光学分解能は4.92$\mu$m、加工距離は22.23mmである。
さらに、欠陥検出のための二重重み付きロバスト主成分分析(DW-RPCA)を導入する。
このアプローチはスペクトルフィルタ融合とハフ変換を利用して異なる欠陥タイプをモデル化し、欠陥識別の精度と効率を高める。
最適化しきい値分割アルゴリズムと組み合わせて、DW-RPCA法は84.8%のピクセルレベルの精度を実現する。
本研究は,産業製品のオンライン検査分野における成長の可能性を示すものである。
関連論文リスト
- Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。
我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。
提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
論文 参考訳（メタデータ） (2024-02-04T09:07:28Z) - Deep Learning Enables Large Depth-of-Field Images for
Sub-Diffraction-Limit Scanning Superlens Microscopy [16.152554659134246]
深層学習を用いて、光学超解像(OSR)画像と走査電子顕微鏡領域画像とのマッピング関係を得る。
提案手法は, チップレベルの欠陥検出, 生物学的試料分析, 法医学, その他の様々な分野に適用可能であることを示す。
論文 参考訳（メタデータ） (2023-10-27T09:16:56Z) - Theoretical framework for real time sub-micron depth monitoring using
quantum inline coherent imaging [55.2480439325792]
インラインコヒーレントイメージング(ICI)は、キーホール溶接、添加物製造、マイクロ加工など、様々なレーザプロセスのリアルタイム監視のための信頼性の高い手法である。
軸方向分解能は2m以上に限定されており、ICIはサブミクロンプロセスの監視には適さない。
量子光コヒーレンス・トモグラフィ(Q OCT)の進歩は、1m以上の奥行き分解能を達成してこの問題に対処する可能性がある。
論文 参考訳（メタデータ） (2023-09-17T17:05:21Z) - D$^\text{2}$UF: Deep Coded Aperture Design and Unrolling Algorithm for
Compressive Spectral Image Fusion [22.0246327137227]
本稿では,低空間分解能符号化開口スペクトル撮像器 (CASSI) アーキテクチャと高空間分解能マルチスペクトルカラーフィルタアレイ (MCFA) システムの圧縮測定の融合について述べる。
本稿では,従来のCSIFと異なり,エンド・ツー・エンド(E2E)方式でセンサアーキテクチャと再構成ネットワークを協調的に最適化する手法を提案する。
論文 参考訳（メタデータ） (2022-05-24T15:39:34Z) - LightDefectNet: A Highly Compact Deep Anti-Aliased Attention Condenser
Neural Network Architecture for Light Guide Plate Surface Defect Detection [71.40595908386477]
ライトガイドプレートの製造において重要なステップは、傷、明るい暗黒点、不純物などの欠陥の検査である。
ディープラーニング駆動型コンピュータビジョンの進歩は、ライトガイドプレートの自動視覚品質検査の探索につながった。
LightDetectNetは、光ガイド板表面欠陥検出に特化して設計された、高度にコンパクトなディープアンチエイリアス化されたアテンションコンデンサニューラルネットワークアーキテクチャである。
論文 参考訳（メタデータ） (2022-04-25T16:33:37Z) - Defect detection and segmentation in X-Ray images of magnesium alloy
castings using the Detectron2 framework [0.13764085113103217]
新しい製造技術により、より複雑な形状の金属部品を製造することが可能となり、品質管理プロセスがより困難になった。
X線画像により、このプロセスはより簡単になり、表面欠陥をより単純な方法で検出できるだけでなく、溶接や鋳造の欠陥も検出できるようになった。
本研究の目的は,画像中の物体の検出とセグメンテーションに応用された最先端ライブラリである Detectron2 に基づくディープラーニングシステムを適用することである。
論文 参考訳（メタデータ） (2022-02-28T16:53:09Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z) - High resolution, High contrast optical interface for defect qubits [2.181654697819463]
マイクロスフィア支援共焦点顕微鏡による欠陥量子ビットの高分解能・高コントラストイメージングを実証した。
マイクロスフィアは、仮想画像を拡大した点欠陥に対して優れた光学インターフェースを提供する。
提案手法は,高分解能,高感度で近接した欠陥をイメージングし,対処するための効率的な方法を提供する。
論文 参考訳（メタデータ） (2021-02-14T01:50:51Z) - Cognitive Visual Inspection Service for LCD Manufacturing Industry [80.63336968475889]
本論文では,現在FPD業界で主流となっている液晶ディスプレイ(LCD)の視覚検査システムについて述べる。
システムは、堅牢/高性能欠陥認識モデルと認知視覚検査サービスアーキテクチャの2つの基礎に基づいています。
論文 参考訳（メタデータ） (2021-01-11T08:14:35Z) - Neural network-based on-chip spectroscopy using a scalable plasmonic
encoder [0.4397520291340694]
従来の分光計は、サイズ、コスト、信号対雑音比(SNR)、スペクトル分解能によって設定されるトレードオフによって制限される。
本稿では,小型で低コストなオンチップセンシング方式を用いて,深層学習に基づくスペクトル再構成フレームワークを実証する。
論文 参考訳（メタデータ） (2020-12-01T22:50:06Z) - Quantum metamaterial for nondestructive microwave photon counting [52.77024349608834]
弱い非線形メタマテリアルに基づいてマイクロ波領域で動作する単一光子検出器の設計を提案する。
単光子検出の忠実度はメタマテリアルの長さとともに増加し,実験的に現実的な長さで接近することを示す。
光領域で動作する従来の光子検出器とは対照的に、光子検出により光子を破壊せず、光子波束を最小限に乱す。
論文 参考訳（メタデータ） (2020-05-13T18:00:03Z)
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。