論文の概要: DeltaVisionX: A Low-Cost Vision-Guided Automation System Using YOLOv11 and PLC-Based Actuation
- arxiv url: http://arxiv.org/abs/2611.17959v1
- Date: Fri, 13 Nov 2026 09:50:11 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:28:32.532521
- Title: DeltaVisionX: A Low-Cost Vision-Guided Automation System Using YOLOv11 and PLC-Based Actuation
- Title(参考訳): DeltaVisionX: YOLOv11とPLCベースのアクチュエータを用いた低コストビジョン誘導自動化システム
- Abstract要約: 本稿では,リアルタイムコンピュータビジョンとPLCによるオブジェクト分類とソートのためのアクティベーションを統合した低コストな産業自動化システムを提案する。
提案方式の新規性は,検出モデル自体ではなく,エンコーダ同期型視覚-PLC統合にある。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: This paper presents DeltaVisionX, a low-cost industrial automation system that integrates real-time computer vision with PLC-based actuation for object classification and sorting. The system uses the YOLOv11 (You Only Look Once) deep learning model to detect objects on an operating conveyor belt and communicates detection results to a Delta DVP-SE PLC, which actuates pneumatic pistons for sorting. A custom dataset was created, labeled, and augmented to train the YOLOv11 model, achieving a mean average precision of 0.97 with real-time inference of 100 ms per frame. Encoder-based tracking ensures reliable synchronization between detection and actuation, supporting a throughput of 80 objects per minute. Results show that affordable, locally developed automation can reduce labor dependency and improve manufacturing efficiency. The novelty of the proposed system lies in its encodersynchronized vision-PLC integration rather than in the detection model itself. Future work includes integrating a highspeed Delta robot with EtherCAT-based servo control for advanced pick-and-place operations.
- Abstract(参考訳): 本稿では、リアルタイムコンピュータビジョンとPLCに基づくアクティベーションを統合してオブジェクト分類とソートを行う、低コストな産業自動化システムDeltaVisionXを提案する。
このシステムは、YOLOv11(You Only Look Once)ディープラーニングモデルを使用して、操作コンベヤベルト上のオブジェクトを検出し、検出結果をDelta DVP-SE PLCに伝達する。
YOLOv11モデルをトレーニングするためにカスタムデータセットを作成し、ラベル付けし、拡張し、1フレームあたり100ミリ秒のリアルタイム推論で平均精度0.97を達成する。
Encoderベースのトラッキングにより、検出とアクティベーションの信頼性の高い同期が保証され、毎分80オブジェクトのスループットをサポートする。
その結果、安価でローカルに開発された自動化は、労働依存を減らし、製造効率を向上させることが示されている。
提案方式の新規性は,検出モデル自体ではなく,エンコーダ同期型視覚-PLC統合にある。
今後の作業には、高速デルタロボットとEtherCATベースのサーボ制御を統合することが含まれる。
関連論文リスト
- UAV-Track VLA: Embodied Aerial Tracking via Vision-Language-Action Models [14.433739259355406]
複雑な現実世界のタスクを実行する無人航空機(UAV)にとって、身体的視線追跡は不可欠である。
このような環境でのマルチモーダルトラッキングをベンチマークするために,890Kのフレーム,176のタスク,85の多様なオブジェクトを含む大規模データセットを構築した。
本稿では,$_0.5$アーキテクチャ上に構築した改良型VLA追跡モデルUAV-Track VLAを提案する。
論文 参考訳(メタデータ) (2026-04-02T16:33:38Z) - An Open Source Computer Vision and Machine Learning Framework for Affordable Life Science Robotic Automation [0.0]
本稿では,コンピュータビジョンと機械学習をベースとした逆運動学を統合し,低コストな実験室自動化タスクを実現するための,オープンソースのロボットフレームワークを提案する。
このシステムは、微生物培養のセマンティックセグメンテーションにカスタムトレーニングされたU-netモデルを使用し、単純な5-DOFロボットアームの関節角を予測するためのMixture Density Networkと組み合わせている。
論文 参考訳(メタデータ) (2026-03-20T19:51:28Z) - RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation [68.7948300643741]
ロボットの異常検出と介入をリアルタイムに監視するロボット・コンディションド・ノーマライゼーション・フロー(RC-NF)を提案する。
RC-NFは、正規化フロー内のタスク認識ロボットとオブジェクト状態の処理を分離する。
従来のロボットタスクの監視方法と比較して、あらゆる異常なタイプで最先端のパフォーマンスを実現している。
論文 参考訳(メタデータ) (2026-03-11T10:14:37Z) - Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。
このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
論文 参考訳(メタデータ) (2026-03-03T17:41:42Z) - TraceVLA: Visual Trace Prompting Enhances Spatial-Temporal Awareness for Generalist Robotic Policies [95.30717188630432]
VLAモデルの行動予測のための時空間認識を容易にするために,視覚的トレースプロンプトを導入する。
我々は,これまでに収集した150Kロボット操作トラジェクトリのデータセットに基づいてOpenVLAを微調整し,新しいTraceVLAモデルを開発した。
4B Phi-3-Vision に基づくコンパクトな VLA モデルを提案する。
論文 参考訳(メタデータ) (2024-12-13T18:40:51Z) - ALERT-Transformer: Bridging Asynchronous and Synchronous Machine Learning for Real-Time Event-based Spatio-Temporal Data [8.660721666999718]
非同期センシングと同期処理を組み合わせたハイブリッドパイプラインを提案する。
競争相手よりもレイテンシの低い最先端のパフォーマンスを実現しています。
論文 参考訳(メタデータ) (2024-02-02T13:17:19Z) - SensiX++: Bringing MLOPs and Multi-tenant Model Serving to Sensory Edge
Devices [69.1412199244903]
エッジデバイス上でMLOpsを統合した,適応モデル実行のためのマルチテナントランタイムを提案する。
S SensiX++は、高度にモジュール化されたコンポーネント化と、明確な抽象化によるデータ操作の外部化と、システム全体のオーケストレーションのためのドキュメント中心の宣言という、2つの基本原則で運用されている。
SensiX++のさまざまな自動化コンポーネントの全体的なスループットと定量化メリットについて報告し、運用の複雑さを著しく低減し、エッジデバイスへの組み込みモデルのデプロイ、アップグレード、再構成、提供の労力を削減する効果を実証する。
論文 参考訳(メタデータ) (2021-09-08T22:06:16Z)
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。