論文の概要: BeltCrack: the First Sequential-image Industrial Conveyor Belt Crack Detection Dataset and Its Baseline with Triple-domain Feature Learning
- arxiv url: http://arxiv.org/abs/2506.17892v1
- Date: Sun, 22 Jun 2025 03:48:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-24 19:06:36.639635
- Title: BeltCrack: the First Sequential-image Industrial Conveyor Belt Crack Detection Dataset and Its Baseline with Triple-domain Feature Learning
- Title（参考訳）: BeltCrack:最初の連続画像産業用コンベヤベルトき裂検出データセットとその3領域特徴学習によるベースライン
- Authors: Jianghong Huang, Luping Ji, Xin Ma, Mao Ye,
- Abstract要約: 本稿では,実世界の工場シーンから,最初のシーケンシャルイメージベルトき裂検出データセット(BeltCrack14ksとBertCrack9kd)を構築した。
ユーザビリティと有効性を検証するため,三重領域(時空間周波数)の特徴的階層的融合学習を用いた特殊なベースライン手法を提案する。
- 参考スコア（独自算出の注目度）: 11.68698233969739
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conveyor belt is a category of important equipments in modern industry, widely applied in production and manufacturing Fields. Its health status is much critical to operation efficiency and safety hazards. Among the factors affecting belt health, crack is often one of the most threatening risks. Currently, considering safety, how to intelligently detect belt cracks is catching an increasing attention. To implement the intelligent detection with machine learning, real crack samples are believed to be necessary. However, existing crack datasets primarily focus on pavement scenarios or synthetic data, no real-world industrial belt crack datasets at all. To propel machine learning advancement in this field, this paper constructs the first sequential-image belt crack detection datasets (BeltCrack14ks and BeltCrack9kd), from real-world factory scenes. Furthermore, to validate usability and effectiveness, we propose a special baseline method with triple-domain (i.e., time-space-frequency) feature hierarchical fusion learning for the two whole-new datasets. Experimental results demonstrate the availability and effectiveness of our dataset. Besides, they also show that our baseline is obviously superior to other similar detection methods. Our datasets and source codes are available at https://github.com/UESTC-nnLab/BeltCrack.
- Abstract（参考訳）: コンベヤベルト(Conveyor belt)は、現代の産業において重要な機器のカテゴリーであり、製造と製造に広く応用されている。
その健康状態は、作業効率と安全上の危険に対して非常に重要である。
ベルトの健康に影響を及ぼす要因の1つとして、ひび割れがしばしば最も危険なリスクの1つである。
現在、安全を考えると、ベルトのひび割れを知的に検知する方法が注目されている。
機械学習によるインテリジェントな検出を実装するには、真のクラックサンプルが必要であると考えられている。
しかし、既存のクラックデータセットは主に舗装シナリオや合成データに焦点を当てており、実際の産業用ベルトクラックデータセットは存在しない。
この分野での機械学習の進歩を推進すべく、実世界の工場シーンから最初のシーケンシャルイメージベルトき裂検出データセット(BeltCrack14ksとBertCrack9kd)を構築した。
さらに、ユーザビリティと有効性を検証するため、2つの新しいデータセットに対して、トリプルドメイン(時間-空間-周波数)の特徴的階層的融合学習を用いた特別なベースライン手法を提案する。
実験の結果,データセットの有効性と有効性を示した。
さらに、他の類似検出方法よりも明らかにベースラインが優れていることも示しています。
データセットとソースコードはhttps://github.com/UESTC-nnLab/BeltCrack.comで公開されています。
関連論文リスト
- CrackESS: A Self-Prompting Crack Segmentation System for Edge Devices [5.051837985130048]
本稿では,コンクリートひび割れの検出・分断を行う新しいシステムであるCrackESSを紹介する。
我々は,3つのデータセット(Khanhhaのデータセット,Crack500,CrackCR)で実験を行い,登山ロボットシステムにおけるCrackESSの有効性と有効性を示す。
論文 参考訳（メタデータ） (2024-12-10T05:50:50Z) - On-device Anomaly Detection in Conveyor Belt Operations [6.402381955787955]
本研究では,正常化と異常化の2つの新手法を提案する。
提案手法は閾値に基づくデューティサイクル検出機構を利用するパターン認識システムである。
この方法は、推論中にエネルギー消費が13.3および20.6ドルの効率的なリアルタイム操作を示す。
論文 参考訳（メタデータ） (2024-11-16T07:46:28Z) - 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) - Fact Checking Beyond Training Set [64.88575826304024]
本稿では,レトリバーリーダが,あるドメインのラベル付きデータに基づいてトレーニングし,別のドメインで使用する場合,性能劣化に悩まされることを示す。
本稿では,レトリバー成分を分散シフトに対して頑健にするための逆アルゴリズムを提案する。
次に、これらのデータセットから8つの事実チェックシナリオを構築し、モデルと強力なベースラインモデルのセットを比較します。
論文 参考訳（メタデータ） (2024-03-27T15:15:14Z) - A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
本稿では,DAF(Disdisrepancy Aware Framework)を提案する。
本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。
単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
論文 参考訳（メタデータ） (2023-10-11T15:21:40Z) - A Convolutional-Transformer Network for Crack Segmentation with Boundary
Awareness [5.98717173705421]
クラックは、製造された建物の安全性と耐久性を評価する上で重要な役割を果たしている。
本稿では,この課題を解決するために,エンコーダデコーダアーキテクチャに基づく新しい畳み込みトランスフォーマネットワークを提案する。
論文 参考訳（メタデータ） (2023-02-23T01:27:57Z) - Learning-Based Defect Recognitions for Autonomous UAV Inspections [1.713291434132985]
我々は,Alexnet,VGG,Resnetなどの古典的ネットワークアーキテクチャに基づくひび割れ検出のためのディープラーニングフレームワークを実装した。
特徴ピラミッドネットワークアーキテクチャにヒントを得て、階層的畳み込みニューラルネットワーク(CNN)ディープラーニングフレームワークも提案されている。
また, 各種コンクリート構造物のひび割れ検査作業のために, 無人航空機の自動点検のための枠組みも提案する。
論文 参考訳（メタデータ） (2023-02-13T04:25:05Z) - Crack detection using tap-testing and machine learning techniques to
prevent potential rockfall incidents [68.8204255655161]
本稿では,岩盤の自動探傷システムを提案する。
ロボットは、岩面を何度も打ったり、タップしたりするのに使用される。
音はロボットによって収集され、壊れやすい岩を識別する意図で分類される。
論文 参考訳（メタデータ） (2021-10-10T22:53:36Z) - Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。
フェースフォージェリ検出に高周波雑音を用いることを提案する。
1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。
2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
論文 参考訳（メタデータ） (2021-03-23T08:19:21Z) - 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)
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。