論文の概要: Region-Aware Multi-View Inspection Using Deep Learning and Domain-Informed Decision Fusion

• arxiv url: http://arxiv.org/abs/2610.29398v1
• Date: Wed, 21 Oct 2026 08:29:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.289107
• Title: Region-Aware Multi-View Inspection Using Deep Learning and Domain-Informed Decision Fusion
• Title（参考訳）: 深層学習とドメインインフォームド決定融合を用いた地域対応多視点検査
• Abstract要約: 本稿では,局所的な座席領域欠陥のインスタンスセグメンテーションと大域軸領域異常の画像レベル分類を併用した領域認識二重モデル検査フレームワークを提案する。 PLC同期撮像システムは、全360度回転で18の座と18の軸画像を取得し、マルチビュー周カバレッジを提供する。 このフレームワークは380個の燃料噴射針で評価され、全ての構成で同一のモデル予測を用いて、代表的な運転欠陥タイプをカバーした。
• 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: Automated optical inspection of precision components with tiny surface defects remains challenging when different regions of the same component exhibit different defect characteristics and, therefore, different acceptance criteria. This paper presents a region-aware, dual-model inspection framework that combines instance segmentation of localized seat-region defects with image-level classification of global shaft-region anomalies. Rather than treating these two model detections as sufficient evidence for component rejection, a deterministic decision fusion layer that formalizes industrial Standard Operating Procedures is applied to the model outputs to make the final component level decision. A PLC-synchronized imaging system acquires 18 seat and 18 shaft images over a full 360-degree rotation to provide multi-view circumferential coverage. The framework was evaluated on 380 automotive fuel injector needles, covering representative operational defect types, using identical model predictions in all configurations. Direct model-output aggregation via simple union logic (where any single-view detection flags a rejection) identified all 104 non-conforming components but produced a component level false rejection rate of 57.6%. Inclusion of a complete decision layer maintained the observed non-conforming (NOK) recall of 100% while reducing the false rejection rate to 10.9%, corresponding to an 81.1% reduction in false-positive component decisions. The results demonstrate that formalized manufacturing acceptance criteria can complement sensitive visual models by translating frame-level detections into practical and traceable component-level decisions.
• Abstract（参考訳）: 微小な表面欠陥を有する精密部品の光学的自動検査は、同一部品の異なる領域が異なる欠陥特性を示し、したがって異なる受容基準を示す場合、依然として困難である。 本稿では,局所的な座席領域欠陥のインスタンスセグメンテーションと大域軸領域異常の画像レベル分類を併用した領域認識二重モデル検査フレームワークを提案する。 これら2つのモデル検出を、コンポーネント拒絶の十分な証拠として扱うのではなく、産業標準運用手順を定式化する決定論的決定融合層をモデル出力に適用し、最終的なコンポーネントレベル決定を行う。 PLC同期撮像システムは、フル360度回転で18の座と18の軸画像を取得し、マルチビュー周カバレッジを提供する。 このフレームワークは380個の燃料噴射針で評価され、全ての構成で同一のモデル予測を用いて、代表的な運転欠陥タイプをカバーした。 単純なユニオン論理による直接モデル出力アグリゲーション(単一ビュー検出フラグが拒否する)は104の非変換コンポーネントをすべて特定したが、コンポーネントレベルの偽拒絶率57.6%を発生させた。 完全な決定層を含めると、観測された非コンフォーミング(NOK)リコールは100%維持され、偽陽性のコンポーネント決定の81.1%の減少に対応して、偽拒絶率を10.9%に下げた。 その結果, 形式化された製造受理基準は, フレームレベルの検出を実用的かつトレース可能なコンポーネントレベルの決定に変換することで, 繊細な視覚モデルを補完できることを示した。

関連論文リスト

• IdeaAMBIG: Benchmarking Implementation-Critical Gaps in Research-Idea Specifications [52.570108663867046]
  研究のアイデアは、新しく、一貫性があり、科学的に妥当であるが、その提案された手法は、忠実な実装のために不十分に指定されている。 提案手法は,実装を対象とする研究手法仕様の体系化の可否を,有能な実装者やコーディングエージェントに十分な方法論的情報を提供して,前提条件を満たさずに目的とする手法を構築することができるかを検討する。 IdeaAMBIGは660のエビデンス基底インスタンスのベンチマークで、レポートとGitHubの問題から163の現実世界のギャップと、コーディフィケーション対応のリファレンスに注入される合成ギャップを497のコントロールで管理する。
  論文  参考訳（メタデータ） (2026-09-09T17:59:04Z)
• ICME 2026 Grand Challenge on Cross-Scenario Defect Detection and Fine-Grained Severity Grading for High-Precision Manufacturing [109.77055736047767]
  本稿では, 高精度製造のためのクロスセサリオ欠陥検出と細粒度細粒度グレーディングに関する2026年のグランドチャレンジについて述べる。 この課題は、既存の産業欠陥検査システムの2つの重要な制限によって動機付けられている。 7つの欠陥カテゴリにまたがる高分解能顕微鏡画像の大規模産業データセットを構築した。
  論文  参考訳（メタデータ） (2026-07-06T05:01:54Z)
• Interpretable Computer Vision for Defect Detection in X-ray Tomography of Aerospace SiC/SiC Composites [0.0]
  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。
  論文  参考訳（メタデータ） (2026-05-19T17:46:49Z)
• 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)
• Sample-Centric Multi-Task Learning for Detection and Segmentation of Industrial Surface Defects [3.0497940633809395]
  試料品質制御(QC)のための工業用表面欠陥検査は、与えられた試料が欠陥を含むか否かを同時に決定し、それらの欠陥を局所化する必要がある。 既存のモデルは強いピクセルオーバーラップ測定値を得るが、サンプルレベルでの安定性は不十分である。 サンプル中心型マルチタスク学習フレームワークと評価スイートを提案する。
  論文  参考訳（メタデータ） (2025-10-15T07:24:26Z)
• 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)
• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• Component-aware anomaly detection framework for adjustable and logical industrial visual inspection [4.444590838289701]
  我々は新しいコンポーネント認識異常検出フレームワーク(ComAD)を提案する。 産業シナリオに対する調整可能かつ論理的異常検出を同時に達成することができる。 本フレームワークは,画像レベルの論理異常検出における最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-05-15T10:18:52Z)
• N-pad : Neighboring Pixel-based Industrial Anomaly Detection [0.0]
  単クラス学習環境における異常検出とセグメンテーションのための新しい手法であるtextittextbfN-pad を提案する。 MVTec-ADでは異常検出に99.37のAUROC,異常セグメンテーションには98.75のAUROCが得られた。
  論文  参考訳（メタデータ） (2022-10-17T06:22:16Z)

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。