論文の概要: Planing It by Ear: Convolutional Neural Networks for Acoustic Anomaly Detection in Industrial Wood Planers

• arxiv url: http://arxiv.org/abs/2501.04819v1
• Date: Wed, 08 Jan 2025 20:17:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 13:58:30.671311
• Title: Planing It by Ear: Convolutional Neural Networks for Acoustic Anomaly Detection in Industrial Wood Planers
• Title（参考訳）: 耳による平面化:産業用木材平面の音響異常検出のための畳み込みニューラルネットワーク
• Authors: Anthony Deschênes, Rémi Georges, Cem Subakan, Bruna Ugulino, Antoine Henry, Michael Morin,
• Abstract要約: 近年、木材産業は熟練した労働力不足に直面している。 本稿では,木材平面の音響異常検出のための深部畳み込みオートエンコーダについて検討する。 変換器エンコーダデコーダの形でスキップ接続とアテンション機構を追加することで,異常検出機能の向上が期待できる。
• 参考スコア（独自算出の注目度）: 2.7940695309113512
• License:
• Abstract: In recent years, the wood product industry has been facing a skilled labor shortage. The result is more frequent sudden failures, resulting in additional costs for these companies already operating in a very competitive market. Moreover, sawmills are challenging environments for machinery and sensors. Given that experienced machine operators may be able to diagnose defects or malfunctions, one possible way of assisting novice operators is through acoustic monitoring. As a step towards the automation of wood-processing equipment and decision support systems for machine operators, in this paper, we explore using a deep convolutional autoencoder for acoustic anomaly detection of wood planers on a new real-life dataset. Specifically, our convolutional autoencoder with skip connections (Skip-CAE) and our Skip-CAE transformer outperform the DCASE autoencoder baseline, one-class SVM, isolation forest and a published convolutional autoencoder architecture, respectively obtaining an area under the ROC curve of 0.846 and 0.875 on a dataset of real-factory planer sounds. Moreover, we show that adding skip connections and attention mechanism under the form of a transformer encoder-decoder helps to further improve the anomaly detection capabilities.
• Abstract（参考訳）: 近年、木材産業は熟練した労働力不足に直面している。 その結果、突然の失敗が頻発し、すでに競争の激しい市場で操業している企業にとって、さらなるコストがかかることになる。 さらに、製材所は機械やセンサーにとって困難な環境である。 経験豊富な機械オペレーターが欠陥や故障を診断できる可能性を考えると、初心者オペレーターを支援する方法の1つは音響モニタリングである。 本稿では,木質加工装置の自動化と機械作業者のための意思決定支援システムの実現に向けたステップとして,木質平面の音響的異常検出のための深部畳み込みオートエンコーダについて検討する。 具体的には、スキップ接続付き畳み込みオートエンコーダ(Skip-CAE)とスキップ-CAEトランスフォーマーはDCASEオートエンコーダベースライン、一級SVM、アイソレーションフォレスト、および公表された畳み込みオートエンコーダアーキテクチャより優れており、実ファクトリプランタ音のデータセット上でそれぞれRCC曲線 0.846 と 0.875 の領域を得る。 さらに,トランスエンコーダデコーダの形でスキップ接続とアテンション機構を追加することで,異常検出機能の向上が期待できることを示す。

関連論文リスト

• Deep Autoencoders for Unsupervised Anomaly Detection in Wildfire Prediction [42.447827727628734]
  森林火災は気候危機により地球生態系に深刻な危険をもたらす。 複雑な性質のため、機械学習のような野火の予測に対する革新的なアプローチが緊急に必要である。 この研究は、古典的な教師あり学習とは異なるユニークなアプローチを採り、教師なしの山火事予測のギャップに対処した。
  論文  参考訳（メタデータ） (2024-11-14T23:19:55Z)
• Think Twice before Driving: Towards Scalable Decoders for End-to-End Autonomous Driving [74.28510044056706]
  既存のメソッドは通常、分離されたエンコーダ-デコーダパラダイムを採用する。 本研究は,この問題を2つの原則で緩和することを目的としている。 まず、エンコーダの特徴に基づいて、粗い将来の位置と行動を予測する。 そして、その位置と動作を条件に、将来のシーンを想像して、それに従って運転した場合にその影響を確認する。
  論文  参考訳（メタデータ） (2023-05-10T15:22:02Z)
• A new transformation for embedded convolutional neural network approach toward real-time servo motor overload fault-detection [0.0]
  DCサーボモーターの過負荷は、多くの企業が専門家を見つけるという問題に直面しているため、業界において大きな関心事である。 本稿では,人間の干渉を伴わないリアルタイム入力信号から障害を抽出する新しい変換法を用いて,畳み込みニューラルネットワーク(CNN)を用いた組込み人工知能アプローチを提案する。
  論文  参考訳（メタデータ） (2023-04-08T13:36:33Z)
• Denoising Architecture for Unsupervised Anomaly Detection in Time-Series [0.0]
  このLSTM-Decoderモデルの補体として、Denoising Architectureを紹介します。 提案アーキテクチャは精度とトレーニング速度の両方を向上し,LSTMオートエンコーダを非教師付き異常検出タスクに対してより効率的にすることを示した。
  論文  参考訳（メタデータ） (2022-08-30T15:23:45Z)
• Integral Migrating Pre-trained Transformer Encoder-decoders for Visual Object Detection [78.2325219839805]
  imTEDは、数発のオブジェクト検出の最先端を最大7.6%改善する。 MS COCOデータセットの実験は、imTEDが一貫してそのデータセットを2.8%上回っていることを示している。
  論文  参考訳（メタデータ） (2022-05-19T15:11:20Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
  オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。 異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
  論文  参考訳（メタデータ） (2021-07-28T10:19:58Z)
• OutlierNets: Highly Compact Deep Autoencoder Network Architectures for On-Device Acoustic Anomaly Detection [77.23388080452987]
  人間のオペレーターはしばしば異常な音で産業機械を診断する。 ディープラーニングによる異常検出手法は、工場でのデプロイメントを禁止する膨大な計算リソースを必要とすることが多い。 ここでは、マシン駆動設計探索戦略を探求し、非常にコンパクトなディープコンボリューションオートエンコーダネットワークアーキテクチャのファミリーであるOutlierNetsを作成します。
  論文  参考訳（メタデータ） (2021-03-31T04:09:30Z)
• Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
  SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。 ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2021-03-08T10:56:38Z)
• Acoustic Anomaly Detection for Machine Sounds based on Image Transfer Learning [8.828131257265369]
  本稿では,伝達学習による音響的故障検出について考察する。 我々は、画像分類のタスクで事前訓練されたニューラルネットワークを使用する。 ResNetベースのネットワークから抽出した機能は、AlexNetやSqueezenetよりも優れた結果が得られることがわかった。
  論文  参考訳（メタデータ） (2020-06-05T13:29:12Z)
• Anomalous sound detection based on interpolation deep neural network [9.309962824653033]
  本稿では,モデルがスペクトルの複数のフレームを利用する異常検出手法を提案する。 提案手法は標準的なAUCスコアに基づいて27%の改善が得られた。
  論文  参考訳（メタデータ） (2020-05-19T06:12:41Z)

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。