Classification of electromagnetic interference induced image noise in an analog video link

要約

自動車の電動化が一向に進む中、自動車に搭載される電子システムは、近接する電子システムの動作に影響を与えないよう、これまで以上に厳しい電磁波耐性（EMI）の制約を受けるようになりました。アナログカメラリンクの EMI コンプライアンス試験には、ビデオ品質をモニターし、コンプライアンスを検証することが必要ですが、これまでは手作業で行われていました。人間の解釈の性質上、これには矛盾が生じる可能性があります。ここでは、EMI適合性試験から得られたビデオコンテンツを分析し、等級付けするディープラーニングモデルを使用したソリューションを提案します。これらのモデルは、結果として得られるモデルの精度を最大化するために、実際のテスト画像データのみから構築されたデータセットを使用して学習されます。標準的なAlexNetを始めとして、EMIノイズレベルを分類するための4つのモデルを提案します。

要約(オリジナル)

With the ever-increasing electrification of the vehicle showing no sign of retreating, electronic systems deployed in automotive applications are subject to more stringent Electromagnetic Immunity compliance constraints than ever before, to ensure the proximity of nearby electronic systems will not affect their operation. The EMI compliance testing of an analog camera link requires video quality to be monitored and assessed to validate such compliance, which up to now, has been a manual task. Due to the nature of human interpretation, this is open to inconsistency. Here, we propose a solution using deep learning models that analyse, and grade video content derived from an EMI compliance test. These models are trained using a dataset built entirely from real test image data to ensure the accuracy of the resultant model(s) is maximised. Starting with the standard AlexNet, we propose four models to classify the EMI noise level

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL