文献

J-GLOBAL ID：201702289800839129   整理番号：17A1619484

直交アレイを用いた検査プロセス改善のための欠陥検出:円筒状金属製品の事例

Defect Detection for Improving Inspection Process Using Orthogonal Array: A Case Study of Cylindrical Metal Products

著者 (5件)： IWASAWA Tatsuya (Tokyo University of Science) ,  YOSHIDA Kenta (Tokyo University of Science) ,  SANO Natsuki (Onomichi City University) ,  TANAKA Mirai (The Institute of Statistical Mathematics) ,  SUZUKI Tomomichi (Tokyo University of Science)
資料名： Total Quality Science (Web)  (Total Quality Science (Web))
巻： 3  号： 1  ページ： 11-21(J-STAGE)  発行年： 2017年 
JST資料番号： U0642A  ISSN： 2189-3195  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 現在,製造技術の進歩により製品の大量生産が可能となり,以前よりも大量かつ高速で製品を製造することが可能となっている。不適合製品を検出するための検査プロセスは,正確さを損なうことなく,より高速で行わなければならなかった。これにより,多くの検査工程で不良品を検出するカメラなどのオンライン検査機を使用する意欲が高まった。しかしながら,良品と不良品とを区別するためのオンライン検査機のための正確な基準を設定しなければならなかった。本研究では,実際の検査プロセスの分類精度を向上させるための検査技術に焦点を当てた。以前の研究は,かなりの量の前処理および特徴抽出計算を使用することによって分類精度を改善したが,各方法がどの程度精度に影響するのか,また,異なる方法を組み合わせて精度を改善する方法も知られていなかった。筆者らは,いくつかの実験を行うことによっていくつかの要因の影響を試験する直交アレイを導入した。本研究では,直交配列を用いた方法の最適な組み合わせを構築し,より高い精度を達成し,結果として生じる方法の組合せが,以前の方法よりも高い分類精度を達成することを示した。(翻訳著者抄録)

シソーラス用語： *前処理 ,  *精度 ,  *特徴抽出 ,  *画像処理 ,  故障検出 ,  生産技術
準シソーラス用語： *分類精度 ,  欠陥検出 ,  製造技術

著者キーワード (5件)： Preprocessing ,  Classification accuracy ,  Feature extraction ,  Image processing ,  Optimum level

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

引用文献 (14件)：

• [1] Baraldi A. and Parmiggiani F. (1995), “An investigation of the textural characteristics associated with gray level cooccurrence matrix statistical parameters,” IEEE Transactions on Geoscience and Remote Sensing, Vol. 33, No. 2, pp. 293-304.
• [2] Bernhard E. Boser, Isabelle M. Guyon and Vladimir N. Vapnik (1992), “A training algorithm for optimal margin classifiers,” In Proceedings of the fifth annual workshop on Computational learning theory, pp. 144-152.
• [3] Daimeng W., Yong Z., Ruzhong C. and Guoliang L. (2013) “An enhanced Histogram of Oriented Gradient for pedestrian detection,” 2013 Fourth International Conference on Intelligent Control and Information Processing, pp. 459-463.
• [4] Dalal N. and Triggs B. (2005), “Histograms of oriented gradients for human detection,” IEEE Computer Society Conference on Computer Vision and Pattern Recognition. DOI: 10.1109/CVPR.2005.177
• [5] Giacomo C., Grazia L. Sciuto, Christian N., Emiliano T. and Marcin W. (2015) “Automatic Classification of Fruit Defects based on Co-Occurrence Matrix and Neural Networks,” Proceedings of the Federated Conference on Computer Science and Information Systems, pp. 861-867.

タイトルに関連する用語 (5件)： アレイ ,  検査 ,  プロセス改善 ,  欠陥検出 ,  金属製品