論文の概要: Coarse-to-Fine Detection of Multiple Seams for Robotic Welding

• arxiv url: http://arxiv.org/abs/2408.10710v1
• Date: Tue, 20 Aug 2024 10:24:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-21 14:14:58.093230
• Title: Coarse-to-Fine Detection of Multiple Seams for Robotic Welding
• Title（参考訳）: ロボット溶接用マルチシームの粗対有限検出
• Authors: Pengkun Wei, Shuo Cheng, Dayou Li, Ran Song, Yipeng Zhang, Wei Zhang,
• Abstract要約: 本稿では, 溶接シームを概ね局在させることにより, 関心領域を得るための枠組みを提案する。 この結果は、実世界の産業応用の可能性を示している。
• 参考スコア（独自算出の注目度）: 24.367563906633357
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficiently detecting target weld seams while ensuring sub-millimeter accuracy has always been an important challenge in autonomous welding, which has significant application in industrial practice. Previous works mostly focused on recognizing and localizing welding seams one by one, leading to inferior efficiency in modeling the workpiece. This paper proposes a novel framework capable of multiple weld seams extraction using both RGB images and 3D point clouds. The RGB image is used to obtain the region of interest by approximately localizing the weld seams, and the point cloud is used to achieve the fine-edge extraction of the weld seams within the region of interest using region growth. Our method is further accelerated by using a pre-trained deep learning model to ensure both efficiency and generalization ability. The performance of the proposed method has been comprehensively tested on various workpieces featuring both linear and curved weld seams and in physical experiment systems. The results showcase considerable potential for real-world industrial applications, emphasizing the method's efficiency and effectiveness. Videos of the real-world experiments can be found at https://youtu.be/pq162HSP2D4.
• Abstract（参考訳）: ターゲット溶接シームを効率よく検出し, サブミリ精度を確保することは, 自律溶接において常に重要な課題であり, 工業的実践において重要な役割を担っている。 それまでの作業は主に溶接シームの認識とローカライズに重点を置いていたため、ワークをモデル化する際の効率は劣っていた。 本稿では,RGB画像と3次元点群の両方を用いた複数溶接シーム抽出が可能な新しいフレームワークを提案する。 RGB画像は、溶接シームを略局在させて興味領域を得るために使用され、その点雲を用いて、関心領域内の溶接シームの微細端抽出を行う。 提案手法は,事前学習したディープラーニングモデルを用いて,効率性と一般化能力を両立させることによりさらに高速化される。 提案手法の性能は, 線形および湾曲した溶接シームと物理実験システムの両方を特徴とする各種加工品で総合的に検証されている。 その結果,本手法の効率性と有効性を重視した実世界の産業応用の可能性を示した。 実世界の実験のビデオはhttps://youtu.be/pq162HSP2D4で見ることができる。

関連論文リスト

• Unsupervised Welding Defect Detection Using Audio And Video [1.517355052203938]
  本稿では,マイクロホンとカメラで溶接プロセスを記録することにより,溶接欠陥をリアルタイムで検出する深層学習手法について述べる。 すべてのディープラーニングモデルは、潜在的な欠陥の空間が大きいため、教師なしの方法でトレーニングされます。 溶接欠陥のほとんどをリアルタイムに検出できることが,音声とビデオの両方から可能であることを実証した。
  論文  参考訳（メタデータ） (2024-09-03T20:58:56Z)
• Apprenticeship-Inspired Elegance: Synergistic Knowledge Distillation Empowers Spiking Neural Networks for Efficient Single-Eye Emotion Recognition [53.359383163184425]
  本稿では, 効率的な単一眼球運動認識タスクに適した, マルチモーダル・シナジスティック知識蒸留方式を提案する。 この方法では、軽量で単調な学生スパイクニューラルネットワーク(SNN)が、イベントフレームマルチモーダル教師ネットワークから豊富な知識を抽出することができる。
  論文  参考訳（メタデータ） (2024-06-20T07:24:47Z)
• Inter-slice Super-resolution of Magnetic Resonance Images by Pre-training and Self-supervised Fine-tuning [49.197385954021456]
  臨床実践では、2次元磁気共鳴(MR)シーケンスが広く採用されている。個々の2次元スライスを積み重ねて3次元ボリュームを形成できるが、比較的大きなスライスススペーシングは可視化とその後の解析タスクに課題をもたらす可能性がある。 スライス間隔を低減するため,ディープラーニングに基づく超解像技術が広く研究されている。 現在のほとんどのソリューションは、教師付きトレーニングのために、かなりの数の高解像度と低解像度の画像を必要とするが、通常は現実のシナリオでは利用できない。
  論文  参考訳（メタデータ） (2024-06-10T02:20:26Z)
• Investigating the ability of deep learning to predict Welding Depth and Pore Volume in Hairpin Welding [0.0]
  本研究では,2つの臨界溶接部のキー性能特性(KPC)の予測を可能にする深層学習モデルを提案する。 DLネットワークを小さな数値実験ヘアピン溶接データセットに適用すると,有望な結果が得られた。
  論文  参考訳（メタデータ） (2023-12-04T03:38:17Z)
• Towards Generalizable Deepfake Detection by Primary Region Regularization [52.41801719896089]
  本稿では,新しい正規化の観点から一般化能力を高める。 本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。 5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-07-24T05:43:34Z)
• GPU-Accelerated Machine Learning in Non-Orthogonal Multiple Access [71.58925117604039]
  非直交多重アクセス(Noma)は、将来の5Gおよび6Gネットワークに必要な大規模な接続を可能にする興味深い技術である。 線形処理と非線形処理の両方の利点を組み合わせたニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-06-13T09:38:23Z)
• Deep Learning Based Steel Pipe Weld Defect Detection [0.0]
  鋼管溶接欠陥検出分野に適用するために, 最先端の単段物検出アルゴリズム YOLOv5 を提案する。 実験の結果, 鋼管溶接欠陥検出にyolov5を適用すると精度が大幅に向上し, マルチクラス化作業が完了し, リアルタイム検出の基準を満たした。
  論文  参考訳（メタデータ） (2021-04-30T11:15:13Z)
• Classification of Spot-welded Joints in Laser Thermography Data using Convolutional Neural Networks [52.661521064098416]
  レーザサーモグラフィーデータから得られた画像を用いてスポット溶接の品質検査を行う手法を提案する。 我々は畳み込みニューラルネットワークを用いて溶接品質を分類し、異なるモデルの性能を互いに比較する。
  論文  参考訳（メタデータ） (2020-10-24T20:38:12Z)
• Knowing Depth Quality In Advance: A Depth Quality Assessment Method For RGB-D Salient Object Detection [53.603301314081826]
  本稿では,D品質を事前に測定する簡易かつ効果的な手法を提案する。 提案手法は, ほぼ2.0%で安定した性能向上を実現する。
  論文  参考訳（メタデータ） (2020-08-07T10:52:52Z)

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。