論文の概要: A novel RF-enabled Non-Destructive Inspection Method through Machine Learning and Programmable Wireless Environments

• arxiv url: http://arxiv.org/abs/2601.06512v1
• Date: Sat, 10 Jan 2026 10:20:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:00.852676
• Title: A novel RF-enabled Non-Destructive Inspection Method through Machine Learning and Programmable Wireless Environments
• Title（参考訳）: 機械学習とプログラム可能な無線環境によるRF対応非破壊検査法
• Authors: Stavros Tsimpoukis, Dimitrios Tyrovolas, Sotiris Ioannidis, Maria Kafesaki, Ian F. Akyildiz, George K. Karagiannidis, Christos K. Liaskos,
• Abstract要約: 産業用非破壊検査法(NDI)の新たなアプローチを提案する。 このアプローチは、指定されたデータベースから非イメージエントリを取得するために、PWE対応のRF波面符号化を組み合わせる。
• 参考スコア（独自算出の注目度）: 23.206761606045635
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Contemporary industrial Non-Destructive Inspection (NDI) methods require sensing capabilities that operate in occluded, hazardous, or access restricted environments. Yet, the current visual inspection based on optical cameras offers limited quality of service to that respect. In that sense, novel methods for workpiece inspection, suitable, for smart manufacturing are needed. Programmable Wireless Environments (PWE) could help towards that direction, by redefining the wireless Radio Frequency (RF) wave propagation as a controllable inspector entity. In this work, we propose a novel approach to Non-Destructive Inspection, leveraging an RF sensing pipeline based on RF wavefront encoding for retrieving workpiece-image entries from a designated database. This approach combines PWE-enabled RF wave manipulation with machine learning (ML) tools trained to produce visual outputs for quality inspection. Specifically, we establish correlation relationships between RF wavefronts and target industrial assets, hence yielding a dataset which links wavefronts to their corresponding images in a structured manner. Subsequently, a Generative Adversarial Network (GAN) derives visual representations closely matching the database entries. Our results indicate that the proposed method achieves an SSIM 99.5% matching score in visual outputs, paving the way for next-generation quality control workflows in industry.
• Abstract（参考訳）: 現代の産業用非破壊検査(NDI)法は、閉鎖された、有害な、または制限された環境で作動する感知能力を必要とする。 しかし、現在の光学カメラによる視覚検査は、その点において限られた品質のサービスを提供している。 その意味では、スマートマニュファクチャリングに適したワークピース検査のための新しい方法が必要である。 プログラム可能な無線環境(PWE)は、無線無線周波数(RF)波の伝搬を制御可能なインスペクタとして再定義することで、その方向に向かうのに役立つ。 本研究では,RF波面エンコーディングに基づくRFセンサパイプラインを用いた非破壊検査手法を提案する。 このアプローチは、PWE対応のRF波操作と機械学習(ML)ツールを組み合わせて、品質検査のための視覚出力を生成する。 具体的には,RF波面と対象産業資産の相関関係を定式化することにより,ウェーブフロントと対応する画像とを構造化したデータセットを生成する。 その後、GAN(Generative Adversarial Network)は、データベースエントリと密接に一致する視覚表現を導出する。 提案手法は視覚出力におけるSSIM 99.5%のマッチングスコアを達成し,産業における次世代品質管理ワークフローへの道を開くことを示唆している。

関連論文リスト

• RIS-Assisted 3D Spherical Splatting for Object Composition Visualization using Detection Transformers [25.84331932738724]
  本研究では,物質対応球面プリミティブを用いた3次元物体再構成のためのPWE駆動RFフレームワークを提案する。 結果は、フレームワークがオブジェクトのジオメトリを近似し、材料組成を79.35%の精度で分類する能力を確認した。
  論文  参考訳（メタデータ） (2025-11-04T13:48:47Z)
• OVLW-DETR: Open-Vocabulary Light-Weighted Detection Transformer [63.141027246418]
  本稿では,OVLW-DETR(Open-Vocabulary Light-Weighted Detection Transformer)を提案する。 本稿では,視覚言語モデル(VLM)からオブジェクト検出器への知識伝達を簡易なアライメントで行うエンド・ツー・エンドのトレーニングレシピを提案する。 実験により,提案手法は標準ゼロショットLVISベンチマークにおいて,既存の実時間開語彙検出器よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-07-15T12:15:27Z)
• Adaptive LPD Radar Waveform Design with Generative Deep Learning [6.21540494241516]
  本稿では,レーダ波形検出の低確率を適応的に生成する学習手法を提案する。 提案手法では,検出可能性の最大90%を低減できるLPD波形を生成できると同時に,アンビグニティ関数(センシング)特性も向上する。
  論文  参考訳（メタデータ） (2024-03-18T21:07:57Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• HiNoVa: A Novel Open-Set Detection Method for Automating RF Device Authentication [9.571774189070531]
  本稿では,畳み込みニューラルネットワーク(CNN)長短期記憶(LSTM)モデルにおける隠れ状態値のパターンに基づいた,新しいオープンセット検出手法を提案する。 我々のアプローチはLoRa、Wi-Fi、Wired-WiFiデータセットの精度-リコール曲線の領域を大幅に改善する。
  論文  参考訳（メタデータ） (2023-05-16T16:47:02Z)
• Deep Industrial Image Anomaly Detection: A Survey [85.44223757234671]
  近年の深層学習の急速な発展は,産業用画像異常検出(IAD)のマイルストーンとなった 本稿では,ディープラーニングによる画像異常検出手法の総合的なレビューを行う。 画像異常検出のオープニング課題をいくつか取り上げる。
  論文  参考訳（メタデータ） (2023-01-27T03:18:09Z)
• ChaRRNets: Channel Robust Representation Networks for RF Fingerprinting [0.0]
  RFフィンガープリントのための複雑値畳み込みニューラルネットワーク(CNN)を提案する。 我々は,深層学習(dl)技術を用いた無線iotデバイスの指紋認証の問題に注目する。
  論文  参考訳（メタデータ） (2021-05-08T03:03:21Z)
• Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
  テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。 THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。 本稿では,信号前処理に着目した手法の概要を示す。 また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
  論文  参考訳（メタデータ） (2021-04-09T01:38:34Z)

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。