文献

J-GLOBAL ID：202202215710926023   整理番号：22A0482983

深層学習に基づく布欠陥検出法【JST・京大機械翻訳】

A Fabric Defect Detection Method Based on Deep Learning

著者 (5件)： Liu Qiang (School of Mechanical Engineering, Shandong University of Technology, Zibo, China) ,  Wang Chuan (School of Mechanical Engineering, Shandong University of Technology, Zibo, China) ,  Li Yusheng (School of Mechanical Engineering, Shandong University of Technology, Zibo, China) ,  Gao Mingwang (School of Mechanical Engineering, Shandong University of Technology, Zibo, China) ,  Li Jingao (School of Mechanical Engineering, Shandong University of Technology, Zibo, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 4284-4296  発行年： 2022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： ファブリック欠陥検出は,複雑な形状および多様な織物欠陥のため,織物産業における挑戦的な仕事である。この問題を解決するため多くの方法が提案されてきたが,それらの検出率と精度は非常に低かった。古典的深層学習法とエンドツーエンドターゲット検出アルゴリズムとして,YOLOv4は急速に進化し,多くの産業に適用され,良好な性能を示した。本論文では,MaxPoolの代わりにソフトPoolを使用する新しいSPP構造を採用した,織物欠陥検出のためのより高い精度を有する改良YOLOv4アルゴリズムを提案した。3つのソフトプールを有する改良YOLOv4アルゴリズムは,効果的に特徴マップを処理することができて,それはSPP構造の負の副作用を減らし,検出精度を改善する際に顕著な利点を有した。改良したSPP構造は,バックボーンの3つの出力によって使用して,出力が首尾よく後続のPANetに入力することができることを確認するために,ネットワーク構造は,適切な価値に特徴マップのチャネル数を減少するために,SPP構造の後,一連の畳込み層を加えた。加えて,コントラスト制限適応ヒストグラム等化を,画像品質を改善するために前もって採用して,それは強い反干渉能力をもたらして,わずかにmAPを増加させることができた。実験結果は,元のYOLOV4と比較して,改良YOLOv4が6%効果的にmAPを増加させるが,FPSは2だけ減少することを示す。改善されたYOLOv4は,欠陥の位置を正確かつ迅速に同定することができ,他の欠陥検出産業にも応用できる。Copyright 2022 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 ,  干渉 ,  コントラスト ,  畳込み ,  副作用 ,  *故障検出 ,  ネットワーク構造 ,  画質
準シソーラス用語： 検出率 ,  検出精度 ,  特徴マップ ,  ヒストグラム等化 ,  検出アルゴリズム ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 深層学習 ,  布 ,  欠陥検出