Fugu-MT 論文翻訳(概要): Topography scanning as a part of process monitoring in power cable insulation process

論文の概要: Topography scanning as a part of process monitoring in power cable insulation process

arxiv url: http://arxiv.org/abs/2602.06519v1
Date: Fri, 06 Feb 2026 09:24:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-09 22:18:26.309401
Title: Topography scanning as a part of process monitoring in power cable insulation process
Title（参考訳）: 電力ケーブル絶縁プロセスにおけるプロセスモニタリングの一環としての地形走査
Authors: Janne Harjuhahto, Jaakko Harjuhahto, Mikko Lahti, Jussi Hanhirova, Björn Sonerud,
Abstract要約: XLPEケーブルコア監視のための新しいトポグラフィースキャンシステムを提案する。現代の計測技術は、組み込み高性能コンピューティングと併用して、絶縁コアの完全かつ詳細な3次元表面マップを構築する。深層学習手法を用いて表面欠陥検出システムを開発した。
参考スコア（独自算出の注目度）: 0.11744028458220425
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a novel topography scanning system developed to XLPE cable core monitoring. Modern measurement technology is utilized together with embedded high-performance computing to build a complete and detailed 3D surface map of the insulated core. Cross sectional and lengthwise geometry errors are studied, and melt homogeneity is identified as one major factor for these errors. A surface defect detection system has been developed utilizing deep learning methods. Our results show that convolutional neural networks are well suited for real time analysis of surface measurement data enabling reliable detection of surface defects.
Abstract（参考訳）: XLPEケーブルコア監視のための新しいトポグラフィースキャンシステムを提案する。現代の計測技術は、組み込み高性能コンピューティングと併用して、絶縁コアの完全かつ詳細な3次元表面マップを構築する。断面的および長さ的な幾何学的誤差を研究し、これらの誤りの1つの要因として融解均一性が同定される。深層学習手法を用いて表面欠陥検出システムを開発した。その結果、畳み込みニューラルネットワークは、表面欠陥の確実な検出を可能にする表面計測データのリアルタイム解析に適していることがわかった。

関連論文リスト

A Mutual Learning Method for Salient Object Detection with intertwined Multi-Supervision--Revised [67.61878540090116]
本稿では,有意な物体検出だけでなく,前景の輪郭検出やエッジ検出から,その監視を活用して,有意性検出ネットワークを訓練することを提案する。まず,一様ハイライトの有向マップを生成するために,有向物体検出タスクと前景輪郭検出タスクを相互に活用する。第2に、前景輪郭とエッジ検出タスクが同時にガイドされ、それによって正確な前景輪郭予測が行われ、エッジ予測のための局所ノイズが低減される。
論文参考訳（メタデータ） (2025-09-21T22:30:32Z)
Fusing CFD and measurement data using transfer learning [49.1574468325115]
本稿では,伝送学習によるシミュレーションと計測データを組み合わせたニューラルネットワークに基づく非線形手法を提案する。最初のステップでは、ニューラルネットワークがシミュレーションデータに基づいてトレーニングされ、分散量の空間的特徴を学習する。第2のステップは、ニューラルネットワークモデル全体の小さなサブセットを再トレーニングするだけで、シミュレーションと測定の間の体系的なエラーを修正するために、測定データ上での変換学習である。
論文参考訳（メタデータ） (2025-07-28T07:21:46Z)
CatFree3D: Category-agnostic 3D Object Detection with Diffusion [63.75470913278591]
本稿では,2次元検出と深度予測から3次元検出を分離するパイプラインを提案する。また,3次元検出結果の正確な評価のために,正規化ハンガリー距離(NHD)指標も導入した。
論文参考訳（メタデータ） (2024-08-22T22:05:57Z)
3D-CSAD: Untrained 3D Anomaly Detection for Complex Manufacturing Surfaces [2.5524809198548137]
本稿では, 複雑な製造部品の3次元点雲データに基づく非訓練型異常検出手法を提案する。提案手法では,入力サンプルを異なる方向に沿って2組のプロファイルに変換する。各成分において、類似した形状の性質を持つ別のプロファイルの集合は、ローランク行列としてモデル化することができる。
論文参考訳（メタデータ） (2024-04-11T13:46:05Z)
GUPNet++: Geometry Uncertainty Propagation Network for Monocular 3D Object Detection [92.41859045360532]
我々はGUPNet++(Geometry Uncertainty Propagation Network)を提案する。トレーニング中の幾何射影の不確実性伝播関係をモデル化し、エンドツーエンドのモデル学習の安定性と効率を向上させる。実験により,提案手法は画像ベースモノクロ3次元検出におけるSOTA性能を得るだけでなく,簡易なフレームワークで有効性を示す。
論文参考訳（メタデータ） (2023-10-24T08:45:15Z)
Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文参考訳（メタデータ） (2022-06-23T14:16:30Z)
3D unsupervised anomaly detection and localization through virtual multi-view projection and reconstruction: Clinical validation on low-dose chest computed tomography [2.2302915692528367]
仮想多視点投影と再構成と呼ばれるコンピュータ支援診断のためのディープニューラルネットワークに基づく手法を提案する。本手法は, 教師あり学習に基づくゴールド標準と比較して, 患者レベルの異常検出を10%改善する。異常領域を93%の精度でローカライズし、高い性能を示す。
論文参考訳（メタデータ） (2022-06-18T13:22:00Z)
Data Anomaly Detection for Structural Health Monitoring of Bridges using Shapelet Transform [0.0]
多くの構造健康モニタリング(SHM)システムが、土木インフラを監視するために配備されている。 SHMシステムによって測定されたデータは、故障または故障したセンサーによって引き起こされる複数の異常によって影響を受ける傾向にある。本稿では,SHMデータの異常を自律的に識別するために,Shapelet Transformという比較的新しい時系列表現を提案する。
論文参考訳（メタデータ） (2020-08-31T01:11:04Z)
Defect segmentation: Mapping tunnel lining internal defects with ground penetrating radar data using a convolutional neural network [13.469645178974638]
本研究では, トンネル内部欠陥の非破壊検出のための地中貫入レーダ(GPR)データ処理手法を提案する。この手法では、内部欠陥構造をGPR合成データにマッピングするために、Segnetと呼ばれるCNNとLov'aszソフトマックス損失関数を組み合わせる。
論文参考訳（メタデータ） (2020-03-29T19:30:59Z)
Detection Method Based on Automatic Visual Shape Clustering for Pin-Missing Defect in Transmission Lines [1.602803566465659]
ボルトは送電線で最も多くのファスナーであり、分割ピンを失う傾向にある。タイムリーかつ効率的なトラブルシューティングを実現するために,伝送線路のボルトの自動ピン欠落検出を実現する方法は難しい問題である。本稿では、ピン欠落検出のためのAVSCNet(Automatic Visual Shape Clustering Network)と呼ばれる自動検出モデルを構築した。
論文参考訳（メタデータ） (2020-01-17T10:57:37Z)

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。