論文の概要: Interpretable Computer Vision for Defect Detection in X-ray Tomography of Aerospace SiC/SiC Composites

• arxiv url: http://arxiv.org/abs/2605.20159v1
• Date: Tue, 19 May 2026 17:46:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.567076
• Title: Interpretable Computer Vision for Defect Detection in X-ray Tomography of Aerospace SiC/SiC Composites
• Title（参考訳）: 航空機SiC/SiC複合材料のX線トモグラフィーにおける欠陥検出のための解釈可能なコンピュータビジョン
• Authors: Antonio Peña Corredor, Julien Lesseur, Romain Nunez, Paul Rivalland, Thomas Philippe,
• Abstract要約: p-ResNet-50は、ケースベースの説明と高い検出精度を持つプロトタイプ層で拡張された畳み込みフレームワークである。 このフレームワークは4つの欠陥豊富なSiC/SiC実験片から抽出した約12,000のパッチのXCTパッチデータセット上で検証された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non-destructive testing of aerospace SiC/SiC composites via X-ray computed tomography (XCT) relies on expert visual assessment, with current workflows offering limited traceability for accept/reject decisions. Deep convolutional networks can automate defect detection, yet their black-box nature conflicts with the transparency that industrial inspection practice demands. To close this gap, we introduce p-ResNet-50, a convolutional framework extended with a prototype layer that couples high detection accuracy with case-based explanations. Six learned prototypes are explicitly aligned with expert-defined semantic categories-healthy matrix, matrix--air interfaces, pores, line-like defects, and mixed morphologies-so that every classification is traceable to a physically meaningful reference. Two novel regularisation terms, anchor-based and medoid-based, tether prototypes to expert-selected patches and prevent prototype collapse, addressing a known limitation of prototype networks. Latent-space analysis via UMAP delineates semantically coherent sub-domains and maps zones of uncertainty where misclassifications concentrate, giving inspectors an explicit picture of where the model is-and is not-reliable. The framework is validated on an XCT patch dataset of approximately 12,000 patches extracted from four defect-rich SiC/SiC laboratory specimens. Taking a black-box ResNet-50 as a baseline (ROC-AUC = 0.991), the prototype extension achieves comparable performance (accuracy 0.957 vs. 0.959; ROC-AUC 0.994 vs. 0.993) while trading a slight reduction in sensitivity for higher precision and specificity. Each decision is backed by representative evidence patches, and the model explicitly flags its uncertainty regions. Beyond defect mapping, the framework establishes a reusable methodology for embedding domain-expert knowledge into prototype networks, applicable to other XCT inspection scenarios requiring traceable, auditable decisions.
• Abstract（参考訳）: X線CT(X-ray Computed Tomography)による航空機SiC/SiC複合材料の非破壊試験は、専門家による視覚的評価に依存しており、現在のワークフローは受け入れ/拒絶判定に限られたトレーサビリティを提供している。 深層畳み込みネットワークは欠陥検出を自動化することができるが、ブラックボックスの性質は、産業検査が要求する透明性と矛盾する。 このギャップを埋めるために、我々は、ケースベースの説明と高い検出精度を結合するプロトタイプ層で拡張された畳み込みフレームワークであるp-ResNet-50を紹介する。 6つの学習されたプロトタイプは、専門家が定義したセマンティックなカテゴリ、健康なマトリックス、マトリクス-エアインターフェース、細孔、線状欠陥、混合形態素と明確に一致しており、すべての分類が物理的に意味のある参照にトレース可能である。 アンカーベースとメドイドベースのテザープロトタイプという2つの新しい正規化用語は、専門家が選択したパッチとプロトタイプの崩壊を防ぎ、プロトタイプネットワークの既知の制限に対処する。 UMAPによる潜在空間分析は、誤分類が集中する不確実性の領域やマップゾーンを意味的に一貫性のあるサブドメインと定義し、検査官にモデルがどこにあるのかを明確に示す。 このフレームワークは4つの欠陥豊富なSiC/SiC実験片から抽出した約12,000のパッチのXCTパッチデータセット上で検証された。 ブラックボックスのResNet-50をベースラインとして(ROC-AUC = 0.991)、プロトタイプの拡張機能は同等の性能(精度0.957 vs. 0.959; ROC-AUC 0.994 vs. 0.993)を達成し、高い精度と特異性の感度をわずかに低減した。 各決定は、代表的エビデンスパッチによって裏付けられ、モデルは、その不確実性領域を明示的にフラグ付けする。 欠陥マッピング以外にも、このフレームワークは、トレーサブルで監査可能な決定を必要とする他のXCT検査シナリオに適用可能な、ドメイン専門家の知識をプロトタイプネットワークに組み込む再利用可能な方法論を確立している。

関連論文リスト

• Architecture-Aware Explanation Auditing for Industrial Visual Inspection [1.3054033103300278]
  本稿では,自然読出仮説に基づくアーキテクチャを考慮した説明監査プロトコルを運用する。 WM-811Kウェハマップ(9クラス、172k画像)の3列のゼロフィル摂動プロトコルの下では、ViT-Tiny + Attention RolloutはDeletion AUC 0.211をSwin-Tinyの0.432-0.525に対して取得する。
  論文  参考訳（メタデータ） (2026-05-14T01:48:00Z)
• Open-Set Vein Biometric Recognition with Deep Metric Learning [0.0]
  我々は厳密なオープンセット制約の下でDeep Metric Learning(DML)の計算境界を厳格に評価する。 提案手法は,非ネイティブなL2正規化埋め込みを学習し,類似性しきい値を用いたプロトタイプベースマッチングを採用する。 大規模MMCBNU 6000ベンチマークでは、我々の最良のモデル(ResNet50-CBAM)がOSCR 0.9945、AUROC 0.9974、EER 1.57%を達成し、高い識別精度 (99.6% Rank-1) を維持しながら、未知の被験者を頑健に拒否する。
  論文  参考訳（メタデータ） (2026-04-16T11:03:11Z)
• Are we still able to recognize pearls? Machine-driven peer review and the risk to creativity: An explainable RAG-XAI detection framework with markers extraction [7.723181091241251]
  本稿では、レビュー品質を評価し、自動パターンを検出するための説明可能なフレームワーク(RAG-XAI)を提案する。 XGBoost、Random Forest、LightGBMは99.61%、AUC-ROCは0.999以上、F1スコアは0.9925である。
  論文  参考訳（メタデータ） (2026-04-09T08:25:49Z)
• Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
  異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。 自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。 構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
  論文  参考訳（メタデータ） (2025-11-10T15:48:50Z)
• CLIP Meets Diffusion: A Synergistic Approach to Anomaly Detection [49.11819337853632]
  異常検出は、異常の定義の曖昧さ、異常型の多様性、トレーニングデータの不足による複雑な問題である。 識別的基盤モデルと生成的基礎モデルの両方を活用するCLIPfusionを提案する。 本手法は, 異常検出の多面的課題に対処する上で, マルチモーダル・マルチモデル融合の有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-06-13T13:30:15Z)
• Adaptive Signal Analysis for Automated Subsurface Defect Detection Using Impact Echo in Concrete Slabs [0.0]
  本研究は,コンクリートスラブの地下欠陥発生領域を検出するための,新しい,自動化された,スケーラブルな手法を提案する。 このアプローチは、高度な信号処理、クラスタリング、および視覚分析を統合して、地下の異常を識別する。 結果は方法論の堅牢性を示し、最小限の偽陽性とほとんど欠陥のない欠陥発生領域を一貫して同定した。
  論文  参考訳（メタデータ） (2024-12-23T20:05:53Z)
• Robust-by-Design Classification via Unitary-Gradient Neural Networks [66.17379946402859]
  安全クリティカルシステムにおけるニューラルネットワークの使用には、敵攻撃が存在するため、安全で堅牢なモデルが必要である。 任意の入力 x の最小逆摂動を知るか、または同値に、分類境界から x の距離は、分類ロバスト性を評価し、証明可能な予測を与える。 Unitary-Gradient Neural Networkと呼ばれる新しいネットワークアーキテクチャが紹介される。 実験結果から,提案アーキテクチャは符号付き距離を近似し,単一の推論コストでxのオンライン分類が可能であることがわかった。
  論文  参考訳（メタデータ） (2022-09-09T13:34:51Z)
• Reference-based Defect Detection Network [57.89399576743665]
  最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。 第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。 本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
  論文  参考訳（メタデータ） (2021-08-10T05:44:23Z)

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。