論文の概要: InspectionV3: Enhancing Tobacco Quality Assessment with Deep Convolutional Neural Networks for Automated Workshop Management

• arxiv url: http://arxiv.org/abs/2505.16485v1
• Date: Thu, 22 May 2025 10:11:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:48.220163
• Title: InspectionV3: Enhancing Tobacco Quality Assessment with Deep Convolutional Neural Networks for Automated Workshop Management
• Title（参考訳）: InspectionV3: ワークショップ自動管理のための深層畳み込みニューラルネットワークによるタバコ品質評価の強化
• Authors: Yao Wei, Muhammad Usman, Hazrat Bilal,
• Abstract要約: InspectionV3は、自動排煙処理のための統合されたソリューションである。 カスタマイズされた深層畳み込みニューラルネットワークアーキテクチャを使用する。 メトリクスは97%の精度、95%の精度とリコール、96%のF1スコアとAUC、95%の特異性を示す。
• 参考スコア（独自算出の注目度）: 5.180338364876145
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The problems that tobacco workshops encounter include poor curing, inconsistencies in supplies, irregular scheduling, and a lack of oversight, all of which drive up expenses and worse quality. Large quantities make manual examination costly, sluggish, and unreliable. Deep convolutional neural networks have recently made strides in capabilities that transcend those of conventional methods. To effectively enhance them, nevertheless, extensive customization is needed to account for subtle variations in tobacco grade. This study introduces InspectionV3, an integrated solution for automated flue-cured tobacco grading that makes use of a customized deep convolutional neural network architecture. A scope that covers color, maturity, and curing subtleties is established via a labelled dataset consisting of 21,113 images spanning 20 quality classes. Expert annotators performed preprocessing on the tobacco leaf images, including cleaning, labelling, and augmentation. Multi-layer CNN factors use batch normalization to describe domain properties like as permeability and moisture spots, and so account for the subtleties of the workshop. Its expertise lies in converting visual patterns into useful information for enhancing workflow. Fast notifications are made possible by real-time, on-the-spot grading that matches human expertise. Images-powered analytics dashboards facilitate the tracking of yield projections, inventories, bottlenecks, and the optimization of data-driven choices. More labelled images are assimilated after further retraining, improving representational capacities and enabling adaptations for seasonal variability. Metrics demonstrate 97% accuracy, 95% precision and recall, 96% F1-score and AUC, 95% specificity; validating real-world viability.
• Abstract（参考訳）: タバコ工場が直面する問題は、養生不足、供給の不整合、不規則なスケジュール、監視の欠如などであり、これら全てが費用と品質の悪化を招いている。 膨大な量の手作業による検査は、費用がかかり、汚く、信頼性が低い。 深層畳み込みニューラルネットワークは、最近、従来の手法を超越する機能を強化した。 それにもかかわらず、これらを効果的に強化するためには、タバコのグレードの微妙な変化を考慮するために、広範囲なカスタマイズが必要である。 InspectionV3は、カスタマイズされた深層畳み込みニューラルネットワークアーキテクチャを利用する自動煙道培養タバコグレーディングのための統合ソリューションである。 20の質のクラスにまたがる21,113のイメージからなるラベル付きデータセットを通じて、色、成熟度、キュレーションの微妙さをカバーするスコープを確立する。 専門家のアノテーターは、クリーニング、ラベル付け、拡張を含むタバコの葉のイメージを前処理した。 マルチレイヤCNNファクタは、バッチ正規化を使用して、透過性や湿気スポットなどのドメイン特性を記述する。 その専門知識は、ビジュアルパターンをワークフローの強化に有用な情報に変換することである。 迅速な通知は、人間の専門知識に合ったリアルタイムのオンザスポットグレーティングによって実現される。 画像を利用した分析ダッシュボードは、収量予測、在庫、ボトルネック、データ駆動の選択の最適化を容易にする。 さらにラベル付き画像は、さらなる再訓練、表現能力の向上、季節変動の適応を可能にすることで同化される。 メトリクスは97%の精度、95%の精度とリコール、96%のF1スコアとAUC、95%の特異性を示す。

関連論文リスト

• Improving the accuracy of automated labeling of specimen images datasets via a confidence-based process [9.0255922670433]
  本稿では,自動ラベリング精度を大幅に向上させる手法を提案する。 初期精度の86%を生んだナイーブモデルでは,性能が向上することが実証された。 このアプローチを様々な方法で検証した後、60,000以上のハーバリウム標本の大規模なデータセットに注釈を付けました。
  論文  参考訳（メタデータ） (2024-11-15T09:39:12Z)
• Localized Gaussians as Self-Attention Weights for Point Clouds Correspondence [92.07601770031236]
  本稿では,エンコーダのみのトランスフォーマーアーキテクチャのアテンションヘッドにおける意味的意味パターンについて検討する。 注意重みの修正はトレーニングプロセスの促進だけでなく,最適化の安定性の向上にも寄与する。
  論文  参考訳（メタデータ） (2024-09-20T07:41:47Z)
• DP-IQA: Utilizing Diffusion Prior for Blind Image Quality Assessment in the Wild [54.139923409101044]
  野生のブラインド画像品質評価(IQA)は重大な課題を呈している。 大規模なトレーニングデータの収集が困難であることを考えると、厳密な一般化モデルを開発するために限られたデータを活用することは、未解決の問題である。 事前訓練されたテキスト・ツー・イメージ(T2I)拡散モデルの堅牢な画像認識能力により,新しいIQA法,拡散先行に基づくIQAを提案する。
  論文  参考訳（メタデータ） (2024-05-30T12:32:35Z)
• Benchmarking Pathology Feature Extractors for Whole Slide Image Classification [2.173830337391778]
  弱教師付き全スライド画像分類は、計算病理学における重要な課題である。 特徴抽出器の総合的なベンチマークを行い、3つの重要な質問に答える。 我々は経験的に観察し、潜伏空間を解析することにより、染色の正規化や画像の増大は性能を低下させない。 提案手法は, 下流性能を比較するための新しい評価指標を開発し, 下流性能の指標として, 特徴抽出器の選択が最も重要な要因であることを示す。
  論文  参考訳（メタデータ） (2023-11-20T13:58:26Z)
• Gradient Mask: Lateral Inhibition Mechanism Improves Performance in Artificial Neural Networks [5.591477512580285]
  バックプロパゲーションにおける雑音勾配を効果的にフィルタするグラディエントマスクを提案する。 これにより、学習した特徴情報をネットワークにより集中的に格納できる。 ニューラルネットワークにおける横方向の抑制が、伝播勾配の品質をいかに改善するかを解析的に示す。
  論文  参考訳（メタデータ） (2022-08-14T20:55:50Z)
• Intelligent Masking: Deep Q-Learning for Context Encoding in Medical Image Analysis [48.02011627390706]
  我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。 予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-03-25T19:05:06Z)
• Circumventing Outliers of AutoAugment with Knowledge Distillation [102.25991455094832]
  AutoAugmentは多くの視覚タスクの精度を向上させる強力なアルゴリズムである。 本論文は作業機構を深く掘り下げ,AutoAugmentがトレーニング画像から識別情報の一部を除去できることを明らかにする。 教師モデルの出力に言及した知識蒸留を用いて,ネットワークトレーニングの指導を行う。
  論文  参考訳（メタデータ） (2020-03-25T11:51:41Z)

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。