論文の概要: An Integrated Hardware-Software Design for Low-Data Spatial Defect Detection in Robotic Visual Inspection with Hybrid Optoelectronic Neural Networks

• arxiv url: http://arxiv.org/abs/2606.25277v1
• Date: Wed, 24 Jun 2026 01:28:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.183635
• Title: An Integrated Hardware-Software Design for Low-Data Spatial Defect Detection in Robotic Visual Inspection with Hybrid Optoelectronic Neural Networks
• Title（参考訳）: ハイブリッド光電子ニューラルネットを用いたロボット視覚検査における低データ空間欠陥検出のための統合ハードウェア・ソフトウェア設計
• Abstract要約: 本稿では,視覚検査におけるデータ過負荷と非効率な形状レベルのアノテーションに対処するハードウェア・ソフトウェア統合光電子アーキテクチャを提案する。 アノテーション依存を最小限に抑えるために、非イメージングで低データのパラダイムが確立されている。 その結果、従来の画像と比較して、提案アーキテクチャは、データボリュームを90%削減しつつ、同等の精度を維持していることがわかった。
• 参考スコア（独自算出の注目度）: 3.2389332471084935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To address data overload and inefficient shape-level annotation in robotic visual inspection, this paper proposes a hardware-software integrated optoelectronic architecture. A non-imaging, low-data paradigm is established to minimize annotation dependency. First, a sensor-in-the-loop strategy reconfigures a Digital Micromirror Device (DMD) as a physical optical convolutional layer, enabling photonic-domain feature extraction that unifies sensing hardware and processing software. To suppress data volume at the source, a block-based compressed sensing strategy encodes spatial information into low-dimensional temporal signals, drastically reducing redundancy. Subsequently, to bypass laborious manual defect shape annotation, natural language descriptions guide the network to align with highly generalizable features from Contrastive Language-Image Pre-training (CLIP), steering the attention maps of the optoelectronic neural network toward defect shapes. Furthermore, a Localization Accuracy for Attention (LAA) metric is proposed to quantify shape-level defect localization performance. Experiments on transparent material defect detection validate the system's effectiveness. Parametric analysis reveals how measurement matrices, compression ratios, and block sizes affect accuracy. Results show that, compared to traditional imaging, the proposed architecture maintains equivalent accuracy while reducing data volume by 90% for Vision Transformers and computational workload by 60% for Convolutional Neural Networks. This low-data paradigm offers an efficient solution for industrial automation scenarios involving massive data streams, high acquisition costs, or constrained edge resources.
• Abstract（参考訳）: 本稿では,ロボット視覚検査におけるデータ過負荷と非効率な形状レベルのアノテーションに対処するため,ハードウェア・ソフトウェア統合光電子アーキテクチャを提案する。 アノテーション依存を最小限に抑えるために、非イメージングで低データのパラダイムが確立されている。 まず、DMD(Digital Micromirror Device)を物理的な光畳み込み層として再構成し、センシングハードウェアと処理ソフトウェアを統合するフォトニックドメインの特徴抽出を可能にする。 ブロックベースの圧縮センシング戦略は、ソースにおけるデータ量を抑制するため、空間情報を低次元の時間信号に符号化し、冗長性を劇的に低減する。 その後、難易度の高い手動欠陥形状アノテーションを回避すべく、自然言語記述は、Contrastive Language-Image Pre-Turning (CLIP) の高度に一般化可能な特徴と整合するようにネットワークを誘導し、欠陥形状に向けて光電子ニューラルネットワークの注意マップを操る。 さらに、形状レベルの欠陥局所化性能を定量化するために、LAA(Localization Accuracy for Attention)メトリックを提案する。 透明材料欠陥検出実験は、システムの有効性を検証する。 パラメトリック分析は、測定行列、圧縮比、ブロックサイズが精度にどのように影響するかを明らかにする。 その結果、従来の画像と比較すると、提案アーキテクチャでは、ビジョントランスフォーマーでは90%、畳み込みニューラルネットワークでは60%の精度で、データボリュームは90%削減されている。 この低データパラダイムは、大量のデータストリーム、高い取得コスト、制約のあるエッジリソースを含む産業自動化シナリオに対する効率的なソリューションを提供する。

関連論文リスト

• Bridging the Sim-to-Real Gap in Semiconductor Visual Program Synthesis via Input Binarization [4.275696286826178]
  本稿では,視覚言語モデル(VLM)を用いて,検査画像を編集可能なドメイン特化言語(Domain-Specific Language)コードに変換するビジュアルプログラム合成フレームワークを提案する。 VLMは、合成DSLレンダリングデータのみに基づいて訓練されるため、実際の走査型電子顕微鏡(SEM)画像を処理する際にドメインギャップが発生する。 このギャップをSEM特有のテクスチャとノイズを排除し、モデルが幾何学的構造にフォーカスする入力バイナライズ戦略で橋渡しする。
  論文  参考訳（メタデータ） (2026-06-01T16:06:20Z)
• Attention-Enhanced Graph Filtering for False Data Injection Attack Detection and Localization [0.0]
  偽データインジェクション攻撃(FDIA)は、測定の整合性を妥協し、信頼性の高いシステム操作を脅かす。 本稿では,自動回帰移動平均 (ARMA) グラフフィルタをトランスフォーマーアーキテクチャと統合したFDIA検出およびローカライズフレームワークを提案する。 提案手法は,IEEE 14-および300-busシステムに適用されたNYISO(New York Independent System Operator)の実際の負荷データを用いて評価する。
  論文  参考訳（メタデータ） (2026-01-26T21:33:47Z)
• Variational Dual-path Attention Network for CSI-Based Gesture Recognition [0.0]
  チャネル状態情報(CSI)に基づくWi-Fiジェスチャ認識は,エッジデバイス上での高次元ノイズやリソース制約に悩まされている。 本稿では,VDAN(Varial Dual-path Attention Network)という軽量機能前処理モジュールを提案する。 周波数領域フィルタリングと時間検出による構造的特徴改善を行う。
  論文  参考訳（メタデータ） (2026-01-20T09:02:02Z)
• Integrated Sensing, Communication, and Computation for Over-the-Air Federated Edge Learning [52.904670248426626]
  本稿では,統合されたセンサ,通信,計算機能を備えた空対空フェデレーションエッジ・ラーニング(Air-FEEL)システムについて検討する。 バッチサイズ制御とネットワークリソース割り当てを交互に最適化することにより、低複雑さI SCCアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2025-08-21T02:46:46Z)
• Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis [50.18156030818883]
  異常と欠落したデータは、産業応用における厄介な問題を構成する。 ディープラーニングによる異常検出が重要な方向として現れている。 エッジデバイスで収集されたデータは、ユーザのプライバシを含む。
  論文  参考訳（メタデータ） (2024-11-06T15:38:31Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Anomaly Detection with Ensemble of Encoder and Decoder [2.8199078343161266]
  電力網における異常検出は、電力系統に対するサイバー攻撃による異常を検出し、識別することを目的としている。 本稿では,複数のエンコーダとデコーダを用いて正規サンプルのデータ分布をモデル化し,新しい異常検出手法を提案する。 ネットワーク侵入と電力系統データセットの実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-03-11T15:49:29Z)
• A Proper Orthogonal Decomposition approach for parameters reduction of Single Shot Detector networks [0.0]
  本稿では,古典的モデルオーダー削減手法であるProper Orthogonal Decompositionに基づく次元削減フレームワークを提案する。 我々は、PASCAL VOCデータセットを用いてSSD300アーキテクチャにそのようなフレームワークを適用し、ネットワーク次元の削減と、転送学習コンテキストにおけるネットワークの微調整における顕著な高速化を実証した。
  論文  参考訳（メタデータ） (2022-07-27T14:43:14Z)
• 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)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Neural BRDF Representation and Importance Sampling [79.84316447473873]
  本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。 BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。 複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
  論文  参考訳（メタデータ） (2021-02-11T12:00:24Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)

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。