論文の概要: A Comprehensive Framework for Automated Quality Control in the Automotive Industry
- arxiv url: http://arxiv.org/abs/2512.05579v1
- Date: Fri, 05 Dec 2025 09:59:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-13 22:40:56.98668
- Title: A Comprehensive Framework for Automated Quality Control in the Automotive Industry
- Title（参考訳）: 自動車産業における品質管理の総合的枠組み
- Authors: Panagiota Moraiti, Panagiotis Giannikos, Athanasios Mastrogeorgiou, Panagiotis Mavridis, Linghao Zhou, Panagiotis Chatzakos,
- Abstract要約: 本稿では,自動車製造における品質管理の自動化を目的とした最先端ロボット検査ソリューションを提案する。
このシステムは2組の協調ロボットを統合し、それぞれに高解像度のカメラベースの視覚システムを備えている。
提案されたソリューションは有望でスケーラブルで、さまざまな運用環境に適応する柔軟性を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents a cutting-edge robotic inspection solution designed to automate quality control in automotive manufacturing. The system integrates a pair of collaborative robots, each equipped with a high-resolution camera-based vision system to accurately detect and localize surface and thread defects in aluminum high-pressure die casting (HPDC) automotive components. In addition, specialized lenses and optimized lighting configurations are employed to ensure consistent and high-quality image acquisition. The YOLO11n deep learning model is utilized, incorporating additional enhancements such as image slicing, ensemble learning, and bounding-box merging to significantly improve performance and minimize false detections. Furthermore, image processing techniques are applied to estimate the extent of the detected defects. Experimental results demonstrate real-time performance with high accuracy across a wide variety of defects, while minimizing false detections. The proposed solution is promising and highly scalable, providing the flexibility to adapt to various production environments and meet the evolving demands of the automotive industry.
- Abstract（参考訳）: 本稿では,自動車製造における品質管理の自動化を目的とした最先端ロボット検査ソリューションを提案する。
このシステムは、高解像度カメラベースの視覚システムを備え、アルミニウム高圧ダイカスト(HPDC)自動車部品の表面欠陥とスレッド欠陥を正確に検出し、位置決めする。
さらに、一貫した高品質の画像取得を保証するために、特殊レンズと最適化された照明構成が採用されている。
YOLO11nのディープラーニングモデルを利用して、画像スライシング、アンサンブル学習、バウンディングボックスマージなどの追加機能を導入し、パフォーマンスを大幅に向上し、誤検出を最小限にする。
さらに、検出された欠陥の程度を推定するために画像処理技術を適用した。
実験により, 誤り検出を最小化しつつ, 様々な欠陥に対して高精度なリアルタイム性能を示すことができた。
提案されたソリューションは有望で高度にスケーラブルであり、様々な生産環境に適応し、自動車産業の進化する要求を満たす柔軟性を提供する。
関連論文リスト
- Neuro-inspired automated lens design [49.79054309060706]
OptiNeuroは、さまざまな初期構造を生成し、徐々にレンズを除去する新しい自動レンズ設計フレームワークである。
複雑な非球面レンズの設計を完全に自動化することにより、OptiNeuroは準人間レベルの性能を示し、人間の介入を最小限に抑えた複数の実行可能な候補を特定する。
論文 参考訳（メタデータ） (2025-10-11T03:14:56Z) - A Multi-Camera Vision-Based Approach for Fine-Grained Assembly Quality Control [12.79310010404089]
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。
論文 参考訳（メタデータ） (2025-09-28T11:37:48Z) - Fully-Synthetic Training for Visual Quality Inspection in Automotive Production [0.4915744683251149]
領域ランダム化を用いた合成画像を生成するパイプラインを提案する。
提案手法を実検シナリオで評価し,合成データのみに基づいて訓練された物体検出モデルが実画像上で訓練されたモデルより優れていることを示す。
論文 参考訳（メタデータ） (2025-03-12T12:58:30Z) - AI-Driven Multi-Stage Computer Vision System for Defect Detection in Laser-Engraved Industrial Nameplates [0.0]
本稿では,レーザーで刻まれた名札を検査し,検証するAI駆動型コンピュータビジョンシステムの概念実証について述べる。
このシステムは91.33%の精度と100%のリコールを達成し、欠陥のあるネームプレートが一貫して検出され、対処されることを保証する。
論文 参考訳（メタデータ） (2025-03-05T11:19:17Z) - 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) - Autoencoder-Based Visual Anomaly Localization for Manufacturing Quality
Control [0.0]
本稿では,教師なしクラス選択による欠陥ローカライズオートエンコーダを提案する。
選択された欠陥のクラスは、人工的な欠陥をシミュレートするために天然の野生のテクスチャで強化される。
提案手法は, 家具用メラミン面板における品質欠陥の高精度かつ高精度な位置決めを行うことで, 有望な結果を示すものである。
論文 参考訳（メタデータ） (2023-09-13T11:18:15Z) - 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) - Universal and Flexible Optical Aberration Correction Using Deep-Prior
Based Deconvolution [51.274657266928315]
そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。
具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
論文 参考訳（メタデータ） (2021-04-07T12:00:38Z) - 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) - 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。