Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

YOLO-Based Defect Detection for Metal Sheets

Created by
  • Haebom

作者

Po-Heng Chou、Chun-Chi Wang、Wei-Lung Mao

自動欠陥検出のためのYOLOベースのディープラーニングモデル

概要

本論文では,工業製造分野で時間と労力がかかる作業を解決するため,YOLOベースのディープラーニングモデルを活用した自動欠陥検出システムを提案した。金属板イメージデータセットを使用してYOLOモデルをトレーニングし、金属板の表面と穴の欠陥を検出します。データ不足の問題を解決するために、ConSinGANを使用してデータを生成し、YOLOv3、v4、v7、v9の4つのYOLOモデルをConSinGANと組み合わせてデータ拡張を行いました。提案されたYOLOv9モデルは、ConSinGANと共に他のYOLOモデルよりも優れた性能(精度91.3%、検出時間146ms)を示し、製造ハードウェアとSCADAシステムに統合され、実用的な自動光学検査(AOI)システムを構築しました。さらに、提案された自動欠陥検出方法は、工業製造の他のコンポーネントにも容易に適用できます。

Takeaways、Limitations

Takeaways:
YOLOモデルとConSinGANの組み合わせにより、金属板欠陥検出の精度と効率を向上させます。
実用的なAOIシステムの構築を通じて産業現場に適用可能な技術を提示する。
提案された方法の拡張性を示し、様々な産業分野に適用可能性を示唆する。
Limitations:
金属板画像データのみに限定された実験では、他の材料や欠陥の種類の一般化性能検証が必要です。
ConSinGANを介してデータを生成すると、実際の欠陥の多様性が完全に反映されない可能性があります。
具体的なハードウェアとSCADAシステムの実装に関する詳細情報の欠如
👍