論文の概要: A Real-Time On-Device Defect Detection Framework for Laser Power-Meter Sensors via Unsupervised Learning
- arxiv url: http://arxiv.org/abs/2509.20946v1
- Date: Thu, 25 Sep 2025 09:29:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-26 20:58:12.823138
- Title: A Real-Time On-Device Defect Detection Framework for Laser Power-Meter Sensors via Unsupervised Learning
- Title（参考訳）: 教師なし学習によるレーザパワーメータセンサのリアルタイムオンデバイス欠陥検出フレームワーク
- Authors: Dongqi Zheng, Wenjin Fu, Guangzong Chen,
- Abstract要約: このシステムは、正常なコーティング分布パターンを学習するために、良質なセンサイメージのみを訓練する教師なし異常検出フレームワークを使用している。
このシステムは、デバイス上の実装において、自動品質制御と1イメージあたり0.5秒の処理時間を通じて、潜在的な年間コスト削減を提供する。
- 参考スコア（独自算出の注目度）: 1.1470070927586018
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present an automated vision-based system for defect detection and classification of laser power meter sensor coatings. Our approach addresses the critical challenge of identifying coating defects such as thermal damage and scratches that can compromise laser energy measurement accuracy in medical and industrial applications. The system employs an unsupervised anomaly detection framework that trains exclusively on ``good'' sensor images to learn normal coating distribution patterns, enabling detection of both known and novel defect types without requiring extensive labeled defect datasets. Our methodology consists of three key components: (1) a robust preprocessing pipeline using Laplacian edge detection and K-means clustering to segment the area of interest, (2) synthetic data augmentation via StyleGAN2, and (3) a UFlow-based neural network architecture for multi-scale feature extraction and anomaly map generation. Experimental evaluation on 366 real sensor images demonstrates $93.8\%$ accuracy on defective samples and $89.3\%$ accuracy on good samples, with image-level AUROC of 0.957 and pixel-level AUROC of 0.961. The system provides potential annual cost savings through automated quality control and processing times of 0.5 seconds per image in on-device implementation.
- Abstract（参考訳）: 本稿では,レーザパワーメータセンサコーティングの欠陥検出と分類のための自動視覚ベースシステムを提案する。
本手法は, 医療・産業分野におけるレーザーエネルギー測定精度を損なう可能性のある, 熱損傷やひっかき傷などのコーティング欠陥を同定する上で重要な課題に対処する。
このシステムは、‘よい’センサイメージのみをトレーニングして、通常のコーティング分布パターンを学習する、教師なしの異常検出フレームワークを採用しており、広範なラベル付き欠陥データセットを必要とせずに、既知の欠陥タイプと新しい欠陥タイプの両方を検出することができる。
提案手法は,(1)Laplacian edge DetectionとK-meansクラスタリングによる関心領域の分割,(2)StyleGAN2による合成データ拡張,(3)マルチスケールの特徴抽出と異常マップ生成のためのUFlowベースのニューラルネットワークアーキテクチャの3つの重要なコンポーネントから構成される。
366個の実センサ画像に対する実験的評価は、欠陥サンプルの精度が9.8 %、良いサンプルの精度が9.3 %、画像レベルのAUROCが0.957、ピクセルレベルのAUROCが0.961であることを示している。
このシステムは、デバイス上の実装において、自動品質制御と1イメージあたり0.5秒の処理時間を通じて、潜在的な年間コスト削減を提供する。
関連論文リスト
- AI-Powered Machine Learning Approaches for Fault Diagnosis in Industrial Pumps [0.0]
本研究では,実世界のセンサデータを用いた産業用ポンプシステムにおける早期故障検出の実践的アプローチを提案する。
フレームワークはスケーラブルで、解釈可能で、リアルタイムな産業展開に適している。
論文 参考訳（メタデータ） (2025-08-21T13:33:09Z) - NeRF-Based defect detection [6.72800891299482]
本稿では,Neural Radiance Fields(NeRF)に基づく自動欠陥検出フレームワークとディジタルツインの概念を紹介する。
このシステムは、UAVを使って画像を取得し、機械の3Dモデルを再構成し、標準的な基準モデルと現在のモデルの両方を生成して比較する。
論文 参考訳（メタデータ） (2025-03-31T22:27:51Z) - 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) - In-Situ Infrared Camera Monitoring for Defect and Anomaly Detection in Laser Powder Bed Fusion: Calibration, Data Mapping, and Feature Extraction [0.26999000177990923]
レーザーパウダーベッド融合(LPBF)プロセスは, 溶融プール不安定性, スパッタリング, 温度上昇, 粉体拡散異常による欠陥を生じさせる可能性がある。
内部監視による欠陥の特定には、通常、生成された大量のデータを収集、保存、分析する必要がある。
論文 参考訳（メタデータ） (2024-07-17T16:02:22Z) - Deep convolutional neural networks for cyclic sensor data [0.0]
本研究では,センサによる条件モニタリングに焦点をあて,深層学習技術の応用について検討する。
本研究は,従来手法を用いたベースラインモデル,早期センサフュージョンを用いた単一CNNモデル,後期センサフュージョンを用いた2車線CNNモデル (2L-CNN) の3つのモデルの性能を比較した。
論文 参考訳（メタデータ） (2023-08-14T07:51:15Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳（メタデータ） (2022-01-29T10:54:57Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z) - Detecting and Identifying Optical Signal Attacks on Autonomous Driving
Systems [25.32946739108013]
攻撃対象のセンサーを検知・識別する枠組みを提案する。
具体的には、3つのセンサーからなるシステムに対する攻撃を検知する新しい手法を最初に開発する。
本研究では,実データと最先端機械学習モデルを用いて,攻撃検出手法の評価を行う。
論文 参考訳（メタデータ） (2021-10-20T12:21:04Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z)
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。