論文の概要: Anomaly Detection for Industrial Applications, Its Challenges, Solutions, and Future Directions: A Review

• arxiv url: http://arxiv.org/abs/2501.11310v1
• Date: Mon, 20 Jan 2025 07:24:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:22:34.996087
• Title: Anomaly Detection for Industrial Applications, Its Challenges, Solutions, and Future Directions: A Review
• Title（参考訳）: 産業用機器の異常検出, 課題, 解決策, 今後の方向性
• Authors: Abdelrahman Alzarooni, Ehtesham Iqbal, Samee Ullah Khan, Sajid Javed, Brain Moyo, Yusra Abdulrahman,
• Abstract要約: カメラセンサを用いた画像からの異常検出は、産業レベルでの主流の応用の1つである。 従来の異常検出ワークフローは、人間の操作者による手動検査に基づいている。 最近のビジョンベースのアプローチは、コンピュータビジョンを使用して機能を自動的に抽出し、処理し、解釈することができる。
• 参考スコア（独自算出の注目度）: 4.139740414165092
• License:
• Abstract: Anomaly detection from images captured using camera sensors is one of the mainstream applications at the industrial level. Particularly, it maintains the quality and optimizes the efficiency in production processes across diverse industrial tasks, including advanced manufacturing and aerospace engineering. Traditional anomaly detection workflow is based on a manual inspection by human operators, which is a tedious task. Advances in intelligent automated inspection systems have revolutionized the Industrial Anomaly Detection (IAD) process. Recent vision-based approaches can automatically extract, process, and interpret features using computer vision and align with the goals of automation in industrial operations. In light of the shift in inspection methodologies, this survey reviews studies published since 2019, with a specific focus on vision-based anomaly detection. The components of an IAD pipeline that are overlooked in existing surveys are presented, including areas related to data acquisition, preprocessing, learning mechanisms, and evaluation. In addition to the collected publications, several scientific and industry-related challenges and their perspective solutions are highlighted. Popular and relevant industrial datasets are also summarized, providing further insight into inspection applications. Finally, future directions of vision-based IAD are discussed, offering researchers insight into the state-of-the-art of industrial inspection.
• Abstract（参考訳）: カメラセンサを用いた画像からの異常検出は、産業レベルでの主流の応用の1つである。 特に、高品質を維持し、先進的な製造や航空宇宙工学を含む様々な産業タスクにわたる生産プロセスの効率を最適化する。 従来の異常検出ワークフローは、人手による手動検査に基づいており、面倒な作業である。 インテリジェント自動検査システムの進歩は、産業異常検出(IAD)プロセスに革命をもたらした。 最近のビジョンベースのアプローチは、コンピュータビジョンを使用して機能を自動的に抽出し、処理し、解釈し、産業運転における自動化の目標に合わせることができる。 検査方法の変化を踏まえて、この調査は、視覚に基づく異常検出に特に焦点をあてて、2019年以降に発表された研究をレビューする。 データ取得、前処理、学習メカニズム、評価などの分野を含む、既存の調査で見落としているIADパイプラインのコンポーネントについて紹介する。 収集された出版物に加えて、いくつかの科学・産業関連の課題とその展望ソリューションが強調されている。 有名で関連する産業データセットも要約され、検査アプリケーションに関するさらなる洞察を提供する。 最後に、視覚に基づくIADの今後の方向性について論じ、産業検査の現状に関する研究者の洞察を提供する。

関連論文リスト

• Generative AI in Industrial Machine Vision -- A Review [0.0]
  生成AIは、パターン認識能力を改善することによって、有望な可能性を実証する。 マシンビジョンにおける生成AIの応用は、データの多様性、計算要求、堅牢な検証方法の必要性により、まだ初期段階にある。 PRISMAガイドラインに基づく文献レビューを行い、産業機械ビジョンにおける生成AIに関する1200以上の論文を分析した。
  論文  参考訳（メタデータ） (2024-08-20T12:14:18Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• A Systematic Review of Available Datasets in Additive Manufacturing [56.684125592242445]
  視覚およびその他のセンサー技術を組み込んだその場監視により、追加製造プロセス中に広範なデータセットの収集が可能になる。 これらのデータセットは、製造された出力の品質を判断し、機械学習を使用して欠陥を検出する可能性がある。 本稿では,AMプロセスから派生したオープン画像ベースデータセットの利用可能性について検討する。
  論文  参考訳（メタデータ） (2024-01-27T16:13:32Z)
• Anomaly Detection in Industrial Machinery using IoT Devices and Machine Learning: a Systematic Mapping [0.0]
  IoT(Internet of Things)は、産業機械から大量のデータを収集することを可能にする。 しかし、モノのインターネットによって生成されるデータの量と複雑さは、人間が手動で異常を検出するのを困難にしている。 機械学習(ML)アルゴリズムは、生成されたデータを分析することによって、産業機械における異常検出を自動化することができる。
  論文  参考訳（メタデータ） (2023-07-28T20:58:00Z)
• Deep Industrial Image Anomaly Detection: A Survey [85.44223757234671]
  近年の深層学習の急速な発展は,産業用画像異常検出(IAD)のマイルストーンとなった 本稿では,ディープラーニングによる画像異常検出手法の総合的なレビューを行う。 画像異常検出のオープニング課題をいくつか取り上げる。
  論文  参考訳（メタデータ） (2023-01-27T03:18:09Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• A Survey on Unsupervised Anomaly Detection Algorithms for Industrial Images [2.4976719861186845]
  産業4.0の発展に伴い、表面欠陥検出・異常検出が産業分野の話題となっている。 教師なし学習は、上記の視覚的産業異常検出の欠点に対処する大きな可能性を持っている。
  論文  参考訳（メタデータ） (2022-04-24T01:38:18Z)
• 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)
• 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)

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。