論文の概要: Robust Component Detection for Flexible Manufacturing: A Deep Learning Approach to Tray-Free Object Recognition under Variable Lighting
- arxiv url: http://arxiv.org/abs/2507.00852v1
- Date: Tue, 01 Jul 2025 15:23:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-03 14:22:59.69477
- Title: Robust Component Detection for Flexible Manufacturing: A Deep Learning Approach to Tray-Free Object Recognition under Variable Lighting
- Title（参考訳）: フレキシブルマニュファクチャリングのためのロバスト成分検出:可変照明下でのトレイフリー物体認識へのディープラーニングアプローチ
- Authors: Fatemeh Sadat Daneshmand,
- Abstract要約: 我々は、ZHAWの完全ペン製造ライン上で、Mask R-CNNベースのアプローチを実装し、評価する。
本システムでは, 構成部品配置の必要性を解消しつつ, 各種照明条件の95%検出精度を実現している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Flexible manufacturing systems in Industry 4.0 require robots capable of handling objects in unstructured environments without rigid positioning constraints. This paper presents a computer vision system that enables industrial robots to detect and grasp pen components in arbitrary orientations without requiring structured trays, while maintaining robust performance under varying lighting conditions. We implement and evaluate a Mask R-CNN-based approach on a complete pen manufacturing line at ZHAW, addressing three critical challenges: object detection without positional constraints, robustness to extreme lighting variations, and reliable performance with cost-effective cameras. Our system achieves 95% detection accuracy across diverse lighting conditions while eliminating the need for structured component placement, demonstrating a 30% reduction in setup time and significant improvement in manufacturing flexibility. The approach is validated through extensive testing under four distinct lighting scenarios, showing practical applicability for real-world industrial deployment.
- Abstract（参考訳）: 産業用4.0のフレキシブルな製造システムは、厳格な位置制約なしに非構造環境の物体を扱えるロボットを必要とする。
本稿では, 産業用ロボットが構造的トレイを必要とせず, 様々な照明条件下での堅牢な性能を維持しつつ, 任意の方向にペン部品を検知・把握できるコンピュータビジョンシステムを提案する。
我々は、ZHAWの完全ペン製造ラインにMask R-CNNベースのアプローチを実装して評価し、位置制約のない物体検出、極端な照明変動に対する堅牢性、コスト効率の高いカメラによる信頼性性能の3つの重要な課題に対処する。
本システムでは, 構成部品配置の必要をなくし, 設置時間の30%削減, 製造柔軟性の大幅な向上を図りながら, 各種照明条件の95%検出精度を実現している。
このアプローチは4つの異なる照明シナリオ下での広範なテストを通じて検証され、実際の産業展開に実用的な適用性を示している。
関連論文リスト
- Adaptive Contextual Embedding for Robust Far-View Borehole Detection [2.206623168926072]
爆破作業では、遠視野画像から密集した小さなボアホールを正確に検出することが、運用上の安全性と効率の面で重要である。
指数移動平均(EMA)に基づく統計的更新から導出される一貫した埋め込み表現を明示的に活用することにより、既存のアーキテクチャ(例えば、YOLO)の上に構築する適応検出手法を提案する。
本手法では,(1)動的に更新された画像統計量を利用して照明やテクスチャの変動を頑健に処理する適応的拡張,(2)連続的かつ信頼性の高い特徴抽出を確実にするための埋め込み安定化,(3)空間コンテキストを利用した文脈改善による検出精度の向上,の3つの相乗的要素を紹介する。
論文 参考訳（メタデータ） (2025-05-08T07:25:42Z) - Grasping Partially Occluded Objects Using Autoencoder-Based Point Cloud Inpainting [50.4653584592824]
実世界のアプリケーションには、シミュレーションや実験室の設定でテストされたソリューションを把握できないような課題が伴うことが多い。
本稿では,欠落した情報を再構成するアルゴリズムを提案する。
本手法は,ロバストなオブジェクトマッチング手法を現実に活用し,点計算の把握に役立てる。
論文 参考訳（メタデータ） (2025-03-16T15:38:08Z) - A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。
工業画像から抽出した55個の特徴を統計的手法を用いて解析した。
これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
論文 参考訳（メタデータ） (2024-12-11T22:12:21Z) - Vision-based Manipulation of Transparent Plastic Bags in Industrial Setups [0.37187295985559027]
本稿では, 産業設備における透明プラスチック袋の自律切削・開梱における視覚的操作の課題について述べる。
提案手法は、高度な機械学習アルゴリズム、特に畳み込みニューラルネットワーク(CNN)を用いる。
追尾アルゴリズムと深度センシング技術は、ピック・配置中の3次元空間認識に利用される。
論文 参考訳（メタデータ） (2024-11-14T17:47:54Z) - A Complete System for Automated 3D Semantic-Geometric Mapping of Corrosion in Industrial Environments [0.6749750044497731]
産業環境における半自動腐食識別とマッピングのための完全システムを提案する。
我々は、視覚に基づくセマンティックセグメンテーション深層学習技術を用いて、LiDARに基づくローカライズとマッピング手法の最近の進歩を活用している。
室内実験環境における実験のセットは、LiDARを用いた3Dマッピングとローカライゼーションシステムの精度を定量的に示すものである。
論文 参考訳（メタデータ） (2024-04-21T15:40:32Z) - LAECIPS: Large Vision Model Assisted Adaptive Edge-Cloud Collaboration for IoT-based Embodied Intelligence System [22.779285672925425]
エボディード・インテリジェンス(Embodied Intelligence, EI)は、生産システムを動的店舗のフロア環境内で柔軟に知覚し、推論し、適応し、操作することを可能にする。
大規模ビジョンモデルを用いたIoTベースのインボディードインテリジェンスシステムのための適応エッジクラウドコラボレーションフレームワークであるLAECIPSを提案する。
LAECIPSはクラウド上の大きなビジョンモデルをエッジ上の軽量モデルから切り離し、プラグアンドプレイモデルの適応と継続的な学習を可能にする。
論文 参考訳（メタデータ） (2024-04-16T12:12:06Z) - Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。
本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。
データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-24T19:32:39Z) - Robo3D: Towards Robust and Reliable 3D Perception against Corruptions [58.306694836881235]
我々は,3次元検出器とセグメンタのロバスト性を,アウト・オブ・ディストリビューションのシナリオで検証するための,最初の総合的なベンチマークであるRobo3Dを紹介する。
気象条件の悪化,外乱,センサの故障などに起因する8種類の汚職について検討した。
本稿では,モデルレジリエンスを高めるための簡易なフレキシブルなボキセル化戦略とともに,密度に敏感なトレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-30T17:59:17Z) - Machine vision for vial positioning detection toward the safe automation
of material synthesis [0.4893345190925178]
本稿では,新しい深層学習(DL)型物体検出器DenseSSDについて報告する。
DenseSSDは、空と溶液を充填したバイアルを含む複雑なデータセットに基づいて、平均平均精度(mAP)を95%以上達成した。
本研究は,DenseSSDが自動材料合成環境の安全性向上に有効であることを示す。
論文 参考訳（メタデータ） (2022-06-15T03:19:25Z) - 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) - Automatic LiDAR Extrinsic Calibration System using Photodetector and
Planar Board for Large-scale Applications [110.32028864986918]
本研究は, PD-target System と呼ばれる光検出器アレイを組み込んだターゲットボードの新たな概念を提案し, ターゲット表面上の対応レーザビームの正確な位置を求める。
提案手法を低分解能LiDARで実験した結果,LiDARオフセットポーズは0.1度と3mmの精度で推定可能であることがわかった。
論文 参考訳（メタデータ） (2020-08-24T16:28:40Z)
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。