文献

J-GLOBAL ID：202002285763900219   整理番号：20A0958071

エッジコンピューティングのためのロジスティクスパッケージボックスにおけるサポートベクトルマシンによる欠陥検出【JST・京大機械翻訳】

Detecting Defects With Support Vector Machine in Logistics Packaging Boxes for Edge Computing

著者 (5件)： Yang Xi (School of Information, Beijing Wuzi University, Beijing, China) ,  Han Mingrui (School of Information, Beijing Wuzi University, Beijing, China) ,  Tang Hengliang (School of Information, Beijing Wuzi University, Beijing, China) ,  Li Qian (School of Information, Beijing Wuzi University, Beijing, China) ,  Luo Xiong (Beijing Intelligent Logistics System Collaborative Innovation Center, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 64002-64010  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ロジスティックスパッケージングボックスのための欠陥検出の精度は,エッジコンピューティング環境の下で商品の品質を確実にするための重要な因子である。現在,この問題に関する研究はほとんどない。本論文では,画像取得プロセスシステムを設計し,次に,サポートベクトルマシン(SVM)に基づくロジスティックスパッケージングボックス欠陥検出(LPDD)に取り組む新しいアプローチを提案した。まず第一に,本論文は,画像前処理,画像強調,および他の関連技術理論に基づくロジスティックスパッケージングにより好適な,新しい平均雑音除去テンプレートとLaplace鋭化テンプレートを設計する。次に,ノイズ除去の段階において,本論文は改良した形態学的方法と灰色の形態学的エッジ検出アルゴリズムを提案した。上記の2つの方法を組み合わせることにより,濃淡画像のエッジ欠陥検出を行った。したがって,LPDDは,スケール不変特徴変換(SIFT)アルゴリズムを使用することによってロジスティックスパッケージボックスの特徴を抽出して,ロジスティックスパッケージ欠陥を分類するためにSVM分類装置を設計する。この論文は,設計されたSVM分類装置を訓練,学習,テストするために多数のサンプルを使用する。シミュレーション結果は,提案したLPDD方式が,より高い精度とより少ない計算コストを有するロジスティックスパッケージングボックスにおける2つの一般的タイプの欠陥を正確に検出することができることを示して,それはマシンビジョン検出システムにおける欠陥の分類と認識に関する製造者の要求を満たした。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  シミュレーション ,  計算機シミュレーション ,  *ロジスティックス ,  *故障検出 ,  生産者 ,  雑音低減 ,  画像強調 ,  プロセスシステム ,  雑音除去 ,  濃淡画像 ,  *サポートベクトルマシン
準シソーラス用語： 画像入力 ,  計算コスト ,  マシンビジョン ,  検出アルゴリズム , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  音声処理  (JE05000E)

タイトルに関連する用語 (3件)： エッジコンピューティング ,  サポートベクトルマシン ,  欠陥検出