文献

J-GLOBAL ID：201502280886143534   整理番号：15A0620554

VOV特徴を持つランダムフォレストを使った各種表面の高速検出

Fast defect detection for various types of surfaces using random forest with VOV features

著者 (3件)： KWON Bae-Keun (Pusan National Univ., School of Mechanical Engineering, 2, Busandaehak-ro 63beon-gil, Geumjeong-gu, 609-735, Busan, KOR) ,  WON Jong-Seob (Jeonju Univ., Dep. of Mechanical & Automotive Engineering, 303, Cheonjam-ro, Wansan-gu, Jeonju-si, 560-759 ...) ,  KANG Dong-Joong (Pusan National Univ., School of Mechanical Engineering, 2, Busandaehak-ro 63beon-gil, Geumjeong-gu, 609-735, Busan, KOR)
資料名： International Journal of Precision Engineering and Manufacturing  (International Journal of Precision Engineering and Manufacturing)
巻： 16  号： 5  ページ： 965-970  発行年： 2015年05月 
JST資料番号： A1070A  ISSN： 2234-7593  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 韓国 (KOR)  言語： 英語 (EN)

抄録/ポイント： 物体表面の欠陥検出は自動目視検査システムの最も重要な作業である。ほとんどの近代的欠陥検出システムは,リアルタイムに作動し高分解能画像を扱うことが必要である。システム適用の主な難しさ一つは,内部パラメータを同調させないでは各種表面検査のために使えないことである。本報では,画素強さの単純な分散分布値を使い,ランダムフォレストベースの機械学習アルゴリズムに適用して,上記の問題の解決法を実証した。分散の分散VOV分布を使い,強さ分散の不規則性を増幅して,対象物表面の組織を表した。VOV法の特徴増幅特性は一般的に各種表面・欠陥に適用できる。効果的に学習し間違った検出を削減するために,欠陥サイズ不感性方式と再教育過程を導入した。実験結果から,パラメータを変えないで各種表面形式の欠陥検出が信頼できることを実証した。Copyright 2015 Korean Society for Precision Engineering and Springer-Verlag Berlin Heidelberg Translated from English into Japanese by JST.

シソーラス用語： 計算機アルゴリズム ,  分散分析 ,  *故障検出 ,  *肉眼検査 ,  画像 ,  学習アルゴリズム ,  機械学習 ,  実験 ,  検出
準シソーラス用語： *ランダムフォレスト ,  高分解能画像 ,  特徴検出

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  品質検査  (KB04020L)

タイトルに関連する用語 (1件)： ランダムフォレスト