文献

J-GLOBAL ID：202202250691681699   整理番号：22A0847960

複雑な背景上の深層残差ニューラルネットワークベースの欠陥検出【JST・京大機械翻訳】

Deep Residual Neural Network-Based Defect Detection on Complex Backgrounds

著者 (5件)： Ho Chao-Ching (Graduate Institute of Manufacturing Technology, National Taipei University of Technology, Taipei, Taiwan) ,  Benalcazar Hernandez Miguel A. (Graduate Institute of Automation Technology, National Taipei University of Technology, Taipei, Taiwan) ,  Chen Yi-Fan (Test Research Inc., Taipei, Taiwan) ,  Lin Chih-Jer (Graduate Institute of Automation Technology, National Taipei University of Technology, Taipei, Taiwan) ,  Chen Chin-Sheng (Graduate Institute of Automation Technology, National Taipei University of Technology, Taipei, Taiwan)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 71  ページ： ROMBUNNO.5005210.1-10  発行年： 2022年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  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： 一組の光,6軸ロボットアーム,およびカメラを有する検査装置を画像取得のために設計した。深い残差ニューラルネットワーク(DRNN)は,同時に特徴抽出と分類タスクの両方を実行する。本論文は,正確で信頼できる予測を確実にするため,ResnNet50のいくつかの修正を行った。データセットは,異なるタイプのスクラッチを有するプラスチックケーシングの画像の収集から成る。データセットにおけるほとんどの欠陥は薄く,浅い,そして小さい。空間縮小のために,欠陥は,深い残留ネットワークを実行する間,それらの特徴のため,劣化する。したがって,ピクセルアノテーションに基づくマスクラベリングは,スライディングウィンドウを用いたサブ画像である。DRNNで劣化課題を解決する努力がなされてきた。600のプラスチックケーシング画像に対する実験結果は,提案方法が正確に欠陥を検出する畳込みアルゴリズムの能力を増加させることを示した。欠陥検出精度は,およそ96.38%であった。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 ,  カメラ ,  畳込み ,  プラスチック ,  *ネットワーク ,  *ニューラルネットワーク ,  特徴抽出 ,  *残差 ,  *故障検出 ,  画像 ,  画素 ,  ロボットアーム ,  アノテーション
準シソーラス用語： 画像入力 ,  スライディングウィンドウ , 【Automatic Indexing@JST】

分類 (2件)： 非破壊試験  (HB02030F) ,  表示機器  (NC06030Q)

タイトルに関連する用語 (5件)： 背景 ,  深層 ,  残差 ,  ニューラルネットワーク ,  欠陥検出