論文の概要: AI-Driven Multi-Stage Computer Vision System for Defect Detection in Laser-Engraved Industrial Nameplates
- arxiv url: http://arxiv.org/abs/2503.03395v1
- Date: Wed, 05 Mar 2025 11:19:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-06 15:53:26.208702
- Title: AI-Driven Multi-Stage Computer Vision System for Defect Detection in Laser-Engraved Industrial Nameplates
- Title（参考訳）: レーザー成長型産業名札における欠陥検出のためのAI駆動多段階コンピュータビジョンシステム
- Authors: Adhish Anitha Vilasan, Stephan Jäger, Noah Klarmann,
- Abstract要約: 本稿では,レーザーで刻まれた名札を検査し,検証するAI駆動型コンピュータビジョンシステムの概念実証について述べる。
このシステムは91.33%の精度と100%のリコールを達成し、欠陥のあるネームプレートが一貫して検出され、対処されることを保証する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Automated defect detection in industrial manufacturing is essential for maintaining product quality and minimizing production errors. In air disc brake manufacturing, ensuring the precision of laser-engraved nameplates is crucial for accurate product identification and quality control. Engraving errors, such as misprints or missing characters, can compromise both aesthetics and functionality, leading to material waste and production delays. This paper presents a proof of concept for an AI-driven computer vision system that inspects and verifies laser-engraved nameplates, detecting defects in logos and alphanumeric strings. The system integrates object detection using YOLOv7, optical character recognition (OCR) with Tesseract, and anomaly detection through a residual variational autoencoder (ResVAE) along with other computer vision methods to enable comprehensive inspections at multiple stages. Experimental results demonstrate the system's effectiveness, achieving 91.33% accuracy and 100% recall, ensuring that defective nameplates are consistently detected and addressed. This solution highlights the potential of AI-driven visual inspection to enhance quality control, reduce manual inspection efforts, and improve overall manufacturing efficiency.
- Abstract（参考訳）: 工業生産における欠陥の自動検出は、製品品質の維持と生産エラーの最小化に不可欠である。
エアディスクブレーキ製造において、レーザー刻印したネームプレートの精度確保は、正確な製品識別と品質管理に不可欠である。
ミスプリントや文字の欠落といったエラーの彫刻は、美学と機能の両方を損なう可能性があるため、物質的無駄と生産遅延につながる。
本稿では,AI駆動型コンピュータビジョンシステムにおいて,レーザーで刻まれた名札を検査・検証し,ロゴや英数字文字列の欠陥を検知する概念実証を行う。
このシステムは、YOLOv7を用いたオブジェクト検出、光学文字認識(OCR)とTesseractを統合し、残留変分オートエンコーダ(ResVAE)による異常検出と、他のコンピュータビジョン手法を併用し、複数の段階で包括的な検査を可能にする。
実験の結果、システムの有効性が示され、91.33%の精度と100%のリコールが達成され、欠陥のあるネームプレートが一貫して検出され、対処されることが保証された。
このソリューションは、品質管理を強化し、手動検査の労力を減らし、全体の製造効率を向上させるために、AI駆動の視覚検査の可能性を強調している。
関連論文リスト
- Defect Detection Network In PCB Circuit Devices Based on GAN Enhanced YOLOv11 [1.6775954077761863]
本研究では, GANを用いた改良YOLOv11モデルを用いたプリント基板(PCB)の表面欠陥検出手法を提案する。
このアプローチは、欠落穴、ラットの噛み傷、オープンサーキット、ショートサーキット、バー、仮想溶接の6つの一般的な欠陥タイプを特定することに焦点を当てている。
強化されたYOLOv11モデルはPCB欠陥データセットで評価され、精度、リコール、堅牢性を大幅に改善した。
論文 参考訳（メタデータ） (2025-01-12T17:26:24Z) - Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection [56.66677293607114]
オープンセットのリアクティブかつアクティブな障害検出のためのCode-as-Monitor(CaM)を提案する。
モニタリングの精度と効率を高めるために,制約関連エンティティを抽象化する制約要素を導入する。
実験により、CaMは28.7%高い成功率を達成し、厳しい乱れの下で実行時間を31.8%短縮することが示された。
論文 参考訳（メタデータ） (2024-12-05T18:58:27Z) - Scalable AI Framework for Defect Detection in Metal Additive Manufacturing [2.303463009749888]
我々は、畳み込みニューラルネットワーク(CNN)を利用してプリント層の熱画像を分析し、これらの特性に影響を与える異常を自動的に識別する。
我々はこれらのモデルをCLoud ADditive Manufacturing (CLADMA)モジュールに統合し、AMアプリケーションのアクセシビリティと実用性を向上させる。
論文 参考訳（メタデータ） (2024-11-01T18:17:59Z) - Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。
本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文 参考訳（メタデータ） (2024-10-31T13:13:32Z) - LLM-3D Print: Large Language Models To Monitor and Control 3D Printing [6.349503549199403]
産業4.0は、デジタル化を推進し、添加性製造(AM)へのパラダイムシフトによって製造に革命をもたらした。
重要なAM技術であるFDMは、層間押出による最小限の材料廃棄物による、高度にカスタマイズされたコスト効率の高い製品の作成を可能にする。
本稿では,3Dプリンタとともに学習済みのLarge Language Models(LLM)を利用して,印刷欠陥の検出と対処を行うプロセス監視・制御フレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-26T14:38:19Z) - Autoencoder-Based Visual Anomaly Localization for Manufacturing Quality
Control [0.0]
本稿では,教師なしクラス選択による欠陥ローカライズオートエンコーダを提案する。
選択された欠陥のクラスは、人工的な欠陥をシミュレートするために天然の野生のテクスチャで強化される。
提案手法は, 家具用メラミン面板における品質欠陥の高精度かつ高精度な位置決めを行うことで, 有望な結果を示すものである。
論文 参考訳（メタデータ） (2023-09-13T11:18:15Z) - SolderNet: Towards Trustworthy Visual Inspection of Solder Joints in
Electronics Manufacturing Using Explainable Artificial Intelligence [70.60433013657693]
エレクトロニクス製造において、半田接合部の欠陥は様々なプリント基板部品に影響を及ぼす一般的な問題である。
半田関節の欠陥を特定・修正するために、回路基板上の半田関節は通常、訓練された人間の検査官によって手動で検査される。
本研究では,半田関節の視覚検査に適した,説明可能な深層学習に基づく視覚品質検査システムについて述べる。
論文 参考訳（メタデータ） (2022-11-18T15:02:59Z) - In situ process quality monitoring and defect detection for direct metal
laser melting [0.0]
プロセス内故障検出と部分品質予測は、既存の商用DMLMシステムに容易に展開できる。
ベイズ的アプローチは、複数のプロセス状態の1つに測定を属性付け、最小2乗回帰モデルは、特定の材料欠陥の深刻度を予測する。
論文 参考訳（メタデータ） (2021-12-03T14:05:31Z) - TinyDefectNet: Highly Compact Deep Neural Network Architecture for
High-Throughput Manufacturing Visual Quality Inspection [72.88856890443851]
TinyDefectNetは、高スループット製造の視覚品質検査に適した、非常にコンパクトな深層畳み込みネットワークアーキテクチャである。
TinyDefectNetはAMD EPYC 7R32上にデプロイされ、ネイティブフロー環境を使って7.6倍のスループット、AMD ZenDNNアクセラレーターライブラリを使って9倍のスループットを達成した。
論文 参考訳（メタデータ） (2021-11-29T04:19:28Z) - 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。