論文の概要: A Multi-Camera Vision-Based Approach for Fine-Grained Assembly Quality Control
- arxiv url: http://arxiv.org/abs/2509.23815v1
- Date: Sun, 28 Sep 2025 11:37:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-30 22:32:19.466822
- Title: A Multi-Camera Vision-Based Approach for Fine-Grained Assembly Quality Control
- Title（参考訳）: マルチカメラビジョンによる細粒度組立品質制御
- Authors: Ali Nazeri, Shashank Mishra, Achim Wagner, Martin Ruskowski, Didier Stricker, Jason Rambach,
- Abstract要約: 既存のソリューションは、しばしばシングルビューイメージングや手動検査に依存している。
本稿では,新しいマルチビュー品質制御モジュールを提案する。
3つのカメラビューから画像をキャプチャすることで、システムはアセンブリプロセスのコンポーネントの包括的視覚的カバレッジを提供する。
- 参考スコア（独自算出の注目度）: 12.79310010404089
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quality control is a critical aspect of manufacturing, particularly in ensuring the proper assembly of small components in production lines. Existing solutions often rely on single-view imaging or manual inspection, which are prone to errors due to occlusions, restricted perspectives, or lighting inconsistencies. These limitations require the installation of additional inspection stations, which could disrupt the assembly line and lead to increased downtime and costs. This paper introduces a novel multi-view quality control module designed to address these challenges, integrating a multi-camera imaging system with advanced object detection algorithms. By capturing images from three camera views, the system provides comprehensive visual coverage of components of an assembly process. A tailored image fusion methodology combines results from multiple views, effectively resolving ambiguities and enhancing detection reliability. To support this system, we developed a unique dataset comprising annotated images across diverse scenarios, including varied lighting conditions, occlusions, and angles, to enhance applicability in real-world manufacturing environments. Experimental results show that our approach significantly outperforms single-view methods, achieving high precision and recall rates in the identification of improperly fastened small assembly parts such as screws. This work contributes to industrial automation by overcoming single-view limitations, and providing a scalable, cost-effective, and accurate quality control mechanism that ensures the reliability and safety of the assembly line. The dataset used in this study is publicly available to facilitate further research in this domain.
- Abstract（参考訳）: 品質管理は製造において重要な側面であり、特に生産ラインにおける小さな部品の適切な組み立てを保証するために重要である。
既存のソリューションは、単一ビューの撮像や手動による検査に頼っていることが多いが、これは閉塞、制限された視点、照明の不整合によってエラーを起こしやすい。
これらの制限は追加の検査ステーションを設置することを必要とし、これにより組立ラインが破壊され、ダウンタイムとコストが増大する可能性がある。
本稿では,これらの課題に対処し,高度な物体検出アルゴリズムとマルチカメライメージングシステムを統合することで,新しいマルチビュー品質制御モジュールを提案する。
3つのカメラビューから画像をキャプチャすることで、システムはアセンブリプロセスのコンポーネントの包括的視覚的カバレッジを提供する。
補正された画像融合手法は、複数のビューの結果を組み合わせて、曖昧さを効果的に解消し、検出信頼性を高める。
本システムを支援するために, 様々な照明条件, 閉塞, 角度を含む様々なシナリオにまたがるアノテート画像からなる独自のデータセットを開発し, 実環境における適用性を向上させる。
実験結果から, スクリュー等の小部品を不適切に締結する際, 高い精度とリコール率を達成し, 単視点法よりも高い性能を示した。
この作業は,単一ビューの制限を克服し,信頼性と安全性を保証するスケーラブルで費用効率のよい,正確な品質管理機構を提供することによって,産業の自動化に寄与する。
この研究で使用されるデータセットは、この領域におけるさらなる研究を促進するために公開されている。
関連論文リスト
- Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。
提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
論文 参考訳（メタデータ） (2025-07-06T20:22:58Z) - Robust Component Detection for Flexible Manufacturing: A Deep Learning Approach to Tray-Free Object Recognition under Variable Lighting [0.0]
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。
論文 参考訳（メタデータ） (2025-07-01T15:23:54Z) - Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection [56.66677293607114]
オープンセットのリアクティブかつアクティブな障害検出のためのCode-as-Monitor(CaM)を提案する。
モニタリングの精度と効率を高めるために,制約関連エンティティを抽象化する制約要素を導入する。
実験により、CaMは28.7%高い成功率を達成し、厳しい乱れの下で実行時間を31.8%短縮することが示された。
論文 参考訳（メタデータ） (2024-12-05T18:58:27Z) - Optimizing Multispectral Object Detection: A Bag of Tricks and Comprehensive Benchmarks [49.84182981950623]
RGBおよびTIR(熱赤外)変調を利用したマルチスペクトル物体検出は,課題として広く認識されている。
モダリティと堅牢な融合戦略の両方から特徴を効果的に抽出するだけでなく、スペクトルの相違といった問題に対処する能力も必要である。
本稿では,高パフォーマンス単一モードモデルのシームレスな最適化が可能な,効率的かつ容易にデプロイ可能なマルチスペクトルオブジェクト検出フレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-27T12:18:39Z) - OCR is All you need: Importing Multi-Modality into Image-based Defect Detection System [7.1083241462091165]
我々は,光学的文字認識(OCR)を基本とする外部モダリティ誘導データマイニングフレームワークを導入し,画像から統計的特徴を抽出する。
提案手法の重要な側面は、単一のモーダル認識モデルを用いて抽出された外部モーダル特徴のアライメントであり、畳み込みニューラルネットワークによって符号化された画像特徴である。
本手法は欠陥検出モデルのリコール率を大幅に向上させ,挑戦シナリオにおいても高い堅牢性を維持する。
論文 参考訳（メタデータ） (2024-03-18T07:41:39Z) - Searching a Compact Architecture for Robust Multi-Exposure Image Fusion [55.37210629454589]
2つの大きなスタブリングブロックは、画素の不一致や非効率な推論など、開発を妨げる。
本研究では,高機能なマルチ露光画像融合のための自己アライメントとディテールリプレクションモジュールを取り入れたアーキテクチャ検索に基づくパラダイムを提案する。
提案手法は様々な競争方式より優れており、一般的なシナリオではPSNRが3.19%向上し、不整合シナリオでは23.5%向上した。
論文 参考訳（メタデータ） (2023-05-20T17:01:52Z) - Leveraging Multi-view Data for Improved Detection Performance: An
Industrial Use Case [0.5249805590164901]
高速かつ正確なソリューションを提供する多視点オブジェクト検出フレームワークを提案する。
本稿では,半自動地下構造データを用いた新しいマルチビューデータセットを提案する。
実験では, 0.5mmから27.0mmの成分を検出するため, mAPの15%の改善が示された。
論文 参考訳（メタデータ） (2023-04-17T09:41:37Z) - Multi-Camera Multi-Object Tracking on the Move via Single-Stage Global
Association Approach [23.960847268459293]
この研究は、複数カメラから1つ以上の検出を追跡対象に関連付けるための、新しいシングルステージグローバルアソシエーション追跡手法を導入する。
また,本モデルでは,nuScenes検出課題において,標準的な視覚に基づく3次元物体検出器の検出精度も向上した。
論文 参考訳（メタデータ） (2022-11-17T17:03:24Z) - Robust Single Image Dehazing Based on Consistent and Contrast-Assisted
Reconstruction [95.5735805072852]
画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。
具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。
我々の手法は最先端のアプローチを大きく上回っている。
論文 参考訳（メタデータ） (2022-03-29T08:11:04Z) - 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)
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。