論文の概要: A Synthetic Data Pipeline for Supporting Manufacturing SMEs in Visual Assembly Control

• arxiv url: http://arxiv.org/abs/2509.13089v1
• Date: Tue, 16 Sep 2025 13:48:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:53.113678
• Title: A Synthetic Data Pipeline for Supporting Manufacturing SMEs in Visual Assembly Control
• Title（参考訳）: ビジュアルアセンブリ制御における中小企業製造支援のための合成データパイプライン
• Authors: Jonas Werheid, Shengjie He, Aymen Gannouni, Anas Abdelrazeq, Robert H. Schmitt,
• Abstract要約: 本稿では,統合可能かつデータ効率のよいビジュアルアセンブリ制御のための新しい手法を提案する。 提案手法は,コンピュータ支援設計(CAD)データとオブジェクト検出アルゴリズムに基づくシミュレートされたシーン生成を利用する。 その結果,製造環境における画像データ生成に要する時間を短縮するパイプラインが得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quality control of assembly processes is essential in manufacturing to ensure not only the quality of individual components but also their proper integration into the final product. To assist in this matter, automated assembly control using computer vision methods has been widely implemented. However, the costs associated with image acquisition, annotation, and training of computer vision algorithms pose challenges for integration, especially for small- and medium-sized enterprises (SMEs), which often lack the resources for extensive training, data collection, and manual image annotation. Synthetic data offers the potential to reduce manual data collection and labeling. Nevertheless, its practical application in the context of assembly quality remains limited. In this work, we present a novel approach for easily integrable and data-efficient visual assembly control. Our approach leverages simulated scene generation based on computer-aided design (CAD) data and object detection algorithms. The results demonstrate a time-saving pipeline for generating image data in manufacturing environments, achieving a mean Average Precision (mAP@0.5:0.95) up to 99,5% for correctly identifying instances of synthetic planetary gear system components within our simulated training data, and up to 93% when transferred to real-world camera-captured testing data. This research highlights the effectiveness of synthetic data generation within an adaptable pipeline and underscores its potential to support SMEs in implementing resource-efficient visual assembly control solutions.
• Abstract（参考訳）: 組み立てプロセスの品質管理は、個々の部品の品質だけでなく、最終製品への適切な統合を保証するために、製造において不可欠である。 これを支援するために,コンピュータビジョンを用いた自動組立制御が広く実装されている。 しかしながら、画像取得、アノテーション、コンピュータビジョンアルゴリズムのトレーニングに関連するコストは、特に、大規模なトレーニング、データ収集、手動画像アノテーションのリソースが不足している中小企業(中小企業)において、統合のための課題となる。 合成データにより、手動のデータ収集とラベリングを減らすことができる。 しかし、組立品質の文脈における実用的応用は依然として限られている。 本研究では,統合可能かつデータ効率のよい視覚的アセンブリ制御のための新しい手法を提案する。 提案手法は,コンピュータ支援設計(CAD)データとオブジェクト検出アルゴリズムに基づくシミュレートされたシーン生成を利用する。 以上の結果から, 実環境における画像データ生成に要する時間を短縮し, シミュレーションデータ中の合成惑星ギアシステム成分のインスタンスを正確に識別する平均精度(mAP@0.5:0.95)を99,5%, 実世界のカメラキャプチャーデータに転送した場合の最大93%を実現した。 本研究は、適応可能なパイプライン内での合成データ生成の有効性を強調し、資源効率の高いビジュアルアセンブリ制御ソリューションの実装において中小企業をサポートする可能性を強調する。

関連論文リスト

• Design and Evaluation of a Scalable Data Pipeline for AI-Driven Air Quality Monitoring in Low-Resource Settings [0.4681310436826459]
  本稿では,AirQoデータパイプラインの設計,実装,評価について述べる。 Apache Airflow、Apache Kafka、Google BigQueryといったオープンソースの技術を使って構築されている。 我々は、400以上の監視装置から毎月数百万の空気品質の測定を取り込み、変換し、分散するパイプラインの能力を実証する。
  論文  参考訳（メタデータ） (2025-08-20T06:19:27Z)
• Provenance Tracking in Large-Scale Machine Learning Systems [0.0]
  y4MLは、W3C PROVとProvProvML標準に準拠したフォーマットでデータを収集するように設計されたツールである。 y4MLはyProvフレームワークと完全に統合されており、ワークフロー管理システムを通じて実行されるタスクの高レベルなペアリングを可能にする。
  論文  参考訳（メタデータ） (2025-07-01T14:10:02Z)
• Advanced Clustering Framework for Semiconductor Image Analytics Integrating Deep TDA with Self-Supervised and Transfer Learning Techniques [1.03121181235382]
  本稿では,深部トポロジカルデータ分析(TDA)と自己教師あり・伝達学習技術を統合した高度なクラスタリングフレームワークを提案する。 このフレームワークは、欠陥パターンとプロセスのバリエーションに整合したクラスタをうまく識別する。
  論文  参考訳（メタデータ） (2025-05-05T17:53:03Z)
• OS-Genesis: Automating GUI Agent Trajectory Construction via Reverse Task Synthesis [55.390060529534644]
  グラフィカルユーザインタフェース(GUI)エージェントのための新しいデータ合成パイプラインであるOS-Genesisを提案する。 事前に定義されたタスクに頼る代わりに、OS-Genesisはエージェントがまず環境を認識し、ステップワイドなインタラクションを実行することを可能にする。 我々は,OS-Genesisを用いたGUIエージェントのトレーニングにより,高度に挑戦するオンラインベンチマークの性能が大幅に向上することが実証された。
  論文  参考訳（メタデータ） (2024-12-27T16:21:58Z)
• Unsupervised Multimodal Fusion of In-process Sensor Data for Advanced Manufacturing Process Monitoring [0.0]
  本稿では,製造プロセスにおけるマルチモーダルセンサデータ融合に対する新しいアプローチを提案する。 我々は、ラベル付きデータなしで異なるデータモダリティを相関付けるために、対照的な学習手法を活用している。 本手法は,プロセス制御,異常検出,品質保証などの下流タスクを容易にする。
  論文  参考訳（メタデータ） (2024-10-29T21:52:04Z)
• 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)
• Dataset Factory: A Toolchain For Generative Computer Vision Datasets [0.9013233848500058]
  メタデータからサンプルの保存と処理を分離する「データセットファクトリ」を提案する。 これにより、機械学習チームや個々の研究者に対して、大規模にデータ中心の操作が可能になる。
  論文  参考訳（メタデータ） (2023-09-20T19:43:37Z)
• STAR: Boosting Low-Resource Information Extraction by Structure-to-Text Data Generation with Large Language Models [56.27786433792638]
  STARは大規模言語モデル(LLM)を利用してデータインスタンスを合成するデータ生成手法である。 我々は、初期データインスタンスを取得するための詳細なステップバイステップ命令を設計する。 実験の結果,STARが生成したデータは,低リソースイベント抽出および関係抽出タスクの性能を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2023-05-24T12:15:19Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)

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。