論文の概要: Explainable Temporal Attention-based Defect Detection For Fillet Joints in Real-Time Gas Metal Arc Welding Based on Multi-modal Data

• arxiv url: http://arxiv.org/abs/2609.07893v1
• Date: Mon, 07 Sep 2026 18:57:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.50179
• Title: Explainable Temporal Attention-based Defect Detection For Fillet Joints in Real-Time Gas Metal Arc Welding Based on Multi-modal Data
• Title（参考訳）: マルチモーダルデータに基づく実時間ガスメタルアーク溶接におけるFillet継手の経時的欠陥検出
• Abstract要約: 本稿では、内部欠陥に対する多モーダル時間的注意に基づく深層学習欠陥検出モデルを提案する。 このモデルは,産業用協調溶接ロボットの収集した溶接画像と音データに基づいて訓練される。 提案するモデル動作とデータセット分布の解釈には,説明可能な人工知能を用いる。
• 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: Deep learning is an efficient technique to monitor the real time welding process, reducing post-welding repairs and production delays. This paper leverages the monitoring capability by proposing a multi modal temporal attention based deep learning defect detection model for internal defects that are challenging to detect, including porosity, lack of penetration and fusion, undercut, and cold lap during Gas Metal Arc Welding in fillet joints. The model is trained on collected welding images and sound data from an industrial collaborative welding robot. The results show that the attention module can improve the F1 Score to 0.99. We use explainable Artificial Intelligence to interpret the proposed models behavior and dataset distribution, determining potential important areas in image and sound spectrograms and preferred modality to detect each defect. This improves trust and reliability in Artificial Intelligence driven welding inspection.
• Abstract（参考訳）: ディープラーニングは、リアルタイム溶接プロセスを監視し、溶接後の修復と生産遅延を減らすための効率的な技術である。 本稿では,多モードの時間的注意に基づく深層学習欠陥検出モデルを提案することにより,フィレット継手におけるガスメタルアーク溶接時のポーシティ,浸透・核融合の欠如,アンダーカット,コールドラップなどの検出が困難な内部欠陥を検出する。 このモデルは,産業用協調溶接ロボットの収集した溶接画像と音データに基づいて訓練される。 その結果、注目モジュールはF1スコアを0.99に改善できることがわかった。 提案したモデルの振る舞いとデータセットの分布を解析し、画像および音響スペクトログラムにおける潜在的重要な領域を判断し、各欠陥を検出するためのモダリティを優先する。 これにより、人工知能駆動溶接検査の信頼性と信頼性が向上する。

関連論文リスト

• A multi-task spatiotemporal deep neural network for predicting penetration depth and morphology in laser welding [5.363800671164204]
  本稿では, 浸透状態, 深度, 海水形態を高精度に予測できる革新的な深層学習モデルを提案する。 監視プラットフォームは、レーザ溶接プロセス中に捕獲された溶接画像に依存している。 貫入状態の予測精度は99.35%に達し、貫入深さの予測誤差は1.79mmである。
  論文  参考訳（メタデータ） (2026-06-24T18:02:53Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Scalable AI Framework for Defect Detection in Metal Additive Manufacturing [2.303463009749888]
  我々は、畳み込みニューラルネットワーク(CNN)を利用してプリント層の熱画像を分析し、これらの特性に影響を与える異常を自動的に識別する。 我々はこれらのモデルをCLoud ADditive Manufacturing (CLADMA)モジュールに統合し、AMアプリケーションのアクセシビリティと実用性を向上させる。
  論文  参考訳（メタデータ） (2024-11-01T18:17:59Z)
• Unsupervised Welding Defect Detection Using Audio And Video [1.517355052203938]
  本稿では,マイクロホンとカメラで溶接プロセスを記録することにより,溶接欠陥をリアルタイムで検出する深層学習手法について述べる。 すべてのディープラーニングモデルは、潜在的な欠陥の空間が大きいため、教師なしの方法でトレーニングされます。 溶接欠陥のほとんどをリアルタイムに検出できることが,音声とビデオの両方から可能であることを実証した。
  論文  参考訳（メタデータ） (2024-09-03T20:58:56Z)
• An Improved Anomaly Detection Model for Automated Inspection of Power Line Insulators [0.0]
  電力系統の信頼性を確保するためには絶縁体の検査が重要である。 検査プロセスを自動化するために、ディープラーニングがますます活用されています。 本稿では,異常検出とオブジェクト検出の2段階的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-11-14T11:36:20Z)
• ImDiffusion: Imputed Diffusion Models for Multivariate Time Series Anomaly Detection [44.21198064126152]
  我々はImDiffusionという新しい異常検出フレームワークを提案する。 ImDiffusionは時系列計算と拡散モデルを組み合わせて、正確で堅牢な異常検出を実現する。 我々はImDiffusionの性能をベンチマークデータセットの広範な実験により評価する。
  論文  参考訳（メタデータ） (2023-07-03T04:57:40Z)
• Graph Neural Networks with Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data [69.25738064847175]
  各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。 グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。 グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2022-10-20T11:03:21Z)
• Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
  ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。 電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。 本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T18:19:25Z)
• 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)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• Deep Learning Based Steel Pipe Weld Defect Detection [0.0]
  鋼管溶接欠陥検出分野に適用するために, 最先端の単段物検出アルゴリズム YOLOv5 を提案する。 実験の結果, 鋼管溶接欠陥検出にyolov5を適用すると精度が大幅に向上し, マルチクラス化作業が完了し, リアルタイム検出の基準を満たした。
  論文  参考訳（メタデータ） (2021-04-30T11:15:13Z)
• Classification of Spot-welded Joints in Laser Thermography Data using Convolutional Neural Networks [52.661521064098416]
  レーザサーモグラフィーデータから得られた画像を用いてスポット溶接の品質検査を行う手法を提案する。 我々は畳み込みニューラルネットワークを用いて溶接品質を分類し、異なるモデルの性能を互いに比較する。
  論文  参考訳（メタデータ） (2020-10-24T20:38:12Z)

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。