文献

J-GLOBAL ID：202202229684541770   整理番号：22A0451174

畳込みニューラルネットワークによる医薬品固形経口剤形の表面欠陥の検出【JST・京大機械翻訳】

Detection of surface defects on pharmaceutical solid oral dosage forms with convolutional neural networks

著者 (4件)： Racki Domen (Sensum, Computer Vision Systems, Ljubljana, Slovenia) ,  Tomazevic Dejan (Sensum, Computer Vision Systems, Ljubljana, Slovenia) ,  Tomazevic Dejan (Faculty of Electrical Engineering, University of Ljubljana, Ljubljana, Slovenia) ,  Skocaj Danijel (Faculty of Computer and Information Science, University of Ljubljana, Ljubljana, Slovenia)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 1  ページ： 631-650  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深層学習ベース手法は,様々なコンピュータビジョンタスクにおいて他のアプローチを凌駕し,自動化された視覚検査における研究の有望な分野を学習するアプリケーション-焦点付きマシンを作ることが証明されている。本研究では,医薬品製品の自動視覚検査の挑戦的な実世界問題領域への深層学習を適用した。コンパクトなネットワークアーキテクチャが,性能,資源,および精度要求に付着するかどうかを調べることは,医薬品視覚検査領域における使用に適している。表面欠陥のセグメンテーションとスコアリングのためのコンパクトで効率的な畳み込みニューラルネットワークアーキテクチャ設計を提案し,著者らは,製薬製品検査ドメインから挑戦的な実世界データセットを評価した。他の関連するセグメンテーション手法と比較して,欠陥検出と実時間計算効率に関して最先端の性能を達成した。最も近い最良性能アーキテクチャと比較して,パラメータカウントのわずか3%,推論速度の約8倍増加,および表面欠陥検出性能の増加を伴う最先端の性能を達成した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  品質管理 ,  自動化 ,  セグメンテーション ,  製品検査 ,  故障検出 ,  表面欠陥 ,  応用プログラム ,  コンピュータビジョン ,  計算機アーキテクチャ ,  視覚検査 ,  ネットワークアーキテクチャ
準シソーラス用語： 計算効率 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (8件)： 表面欠陥検出 ,  セグメンテーション ,  視覚検査 ,  品質管理 ,  固形経口剤形 ,  製薬産業 ,  深層学習 ,  畳込みニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 畳込みニューラルネットワーク ,  医薬品 ,  固形 ,  経口剤形 ,  表面欠陥