論文の概要: Data Collection for Training Quality-Control AI in Carpet Manufacturing

• arxiv url: http://arxiv.org/abs/2606.01023v2
• Date: Wed, 03 Jun 2026 03:50:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 17:40:41.588826
• Title: Data Collection for Training Quality-Control AI in Carpet Manufacturing
• Title（参考訳）: カーペット製造における品質制御AIのトレーニングのためのデータ収集
• Authors: Akbar Erkinov,
• Abstract要約: カーペットウェブをリアルタイムで検査するインラインマシンビジョンシステムの設計を提案する。 本報告では,光場と放牧照明を併用したシンクロナイズドラインスキャンカメラを用いた画像サブシステムについて述べる。 次に、欠陥のない材料で訓練された教師なし異常検出から始まるステージドモデリング戦略を配置する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual inspection remains the dominant quality-control practice in woven and tufted carpet production, yet it is slow, subjective, and inconsistent at the line speeds and widths of modern looms. We present a design proposal for an in-line machine-vision system whose primary purpose is twofold: to inspect the carpet web in real time and, equally importantly, to systematically collect and label images of defect patterns so that increasingly capable quality-control models can be trained over the life of the installation. The proposal is grounded in a concrete industrial setting: a Six Sigma (DMAIC) project at a woven-carpet production facility that anticipated a production bottleneck following the installation of additional weaving machines, with a substantial baseline defect rate and significant financial exposure associated with quality failures. We describe an imaging subsystem based on synchronized line-scan cameras with combined bright-field and grazing illumination, derive the resolution and throughput requirements needed to resolve fine structural defects across a multi-metre web, and define a carpet-specific defect taxonomy. We then lay out a staged modelling strategy that begins with unsupervised anomaly detection trained on defect-free material, following the paradigm exemplified by the carpet category of the MVTec Anomaly Detection benchmark, and matures through a human-in-the-loop annotation flywheel into supervised detection and segmentation models. Finally, we connect detection performance to the DMAIC objectives, showing how reductions in escaped defects translate into improved process quality and process sigma levels. The contribution is an end-to-end, deployable blueprint that treats data collection as a first-class engineering objective rather than an afterthought.
• Abstract（参考訳）: 視覚検査は、織物とタフツカーペットの生産において主要な品質管理のプラクティスであるが、現代の織機では速度と幅が遅く、主観的であり、矛盾している。 カーペットウェブをリアルタイムに検査し、同様に欠陥パターンのイメージを体系的に収集・ラベル付けすることで、インラインマシンビジョンシステムの設計を提案する。 シックスシグマ(DMAIC)プロジェクト(Six Sigma, DMAIC)は、新たな織機の導入後に生産ボトルネックが予想される織物生産施設で、実質的なベースライン欠陥率と品質欠陥に伴う財政面の著しい露出を前提としている。 本報告では,光電場と放牧照明を組み合わせたシンクロナイズドラインスキャンカメラを用いた画像サブシステムについて述べるとともに,複数メートルのウェブ上で微細構造欠陥を解決するために必要な解像度とスループット要件を導出し,カーペット固有の欠陥分類を定義する。 次に、MVTec Anomaly Detectionベンチマークのカーペットカテゴリで実証されたパラダイムに従って、非教師付き異常検出から始まるステージ付きモデリング戦略を、教師付き検出とセグメンテーションモデルに導入する。 最後に、検出性能をDMAIC目標に接続し、脱落した欠陥の削減がプロセス品質とプロセスシグマレベルの改善にどう影響するかを示す。 このコントリビューションはエンドツーエンドでデプロイ可能なブループリントで、データ収集を後から考えるのではなく、第一級のエンジニアリング目標として扱う。

関連論文リスト

• Knowledge-Embedded and Hypernetwork-Guided Few-Shot Substation Meter Defect Image Generation Method [0.0]
  変電所メータは電力グリッドの安定運用の監視と確保において重要な役割を担っている。 クラックやその他の物理的欠陥の検出は、しばしば、注釈付きサンプルの深刻な不足によって妨げられる。 本研究では,条件付き知識埋め込みとHypernetwork-Guided Controlを安定拡散パイプラインに統合する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-14T07:21:57Z)
• 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)
• Learning Robust Diffusion Models from Imprecise Supervision [75.53546939251146]
  DMISは、Imrecise Supervisionから堅牢な条件拡散モデルをトレーニングするための統一されたフレームワークである。 我々のフレームワークは、可能性から派生し、その目的を生成的および分類的構成要素に分解する。 画像生成、弱教師付き学習、データセットの凝縮をカバーし、様々な形の不正確な監視実験を行い、DMISが常に高品質でクラス差別的なサンプルを生成することを示した。
  論文  参考訳（メタデータ） (2025-10-03T14:00:32Z)
• An unsupervised approach towards promptable defect segmentation in laser-based additive manufacturing by Segment Anything [7.188573079798082]
  我々は、最先端のビジョントランスフォーマー(ViT)ベースのファンデーションモデルを用いて、画像セグメンテーションのためのフレームワークを構築する。 我々は、ラベル付きデータを使わずに高精度に学習し、迅速なチューニングプロセスを導出する。 我々は、現在のレーザー添加物製造プロセスに革命をもたらす可能性のある、リアルタイムな異常検出パイプラインの構築を構想する。
  論文  参考訳（メタデータ） (2023-12-07T06:03:07Z)
• CINFormer: Transformer network with multi-stage CNN feature injection for surface defect segmentation [73.02218479926469]
  表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。 CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。 さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
  論文  参考訳（メタデータ） (2023-09-22T06:12:02Z)
• 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)
• 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)
• Test-time Adaptation with Slot-Centric Models [63.981055778098444]
  Slot-TTAは、半教師付きシーン分解モデルであり、シーンごとのテスト時間は、再構成やクロスビュー合成の目的に対する勾配降下を通じて適用される。 我々は、最先端の監視フィードフォワード検出器と代替テスト時間適応法に対して、配電性能が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2022-03-21T17:59:50Z)
• 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。