Recognition of Defective Mineral Wool Using Pruned ResNet Models

要約

ミネラル ウールの生産は、最終的な品質の管理を困難にする非線形のプロセスです。
したがって、製品の品質を分析し、欠陥のある製品を認識するための非破壊的な方法を持つことが重要です。
この目的のために、ミネラルウールの視覚的な品質管理システムを開発しました。
羊毛標本の X 線画像を収集して、欠陥のあるサンプルと欠陥のないサンプルのトレーニング セットを作成しました。
その後、ResNet アーキテクチャに基づいていくつかの認識モデルを開発し、最も効率的なモデルを見つけました。
軽量で高速な推論モデルを実際に適用できるようにするために、分類子に 2 つの構造的枝刈り手法が適用されます。
データセットの量が少ないことを考慮して、トレーニング中にクロス検証と拡張メソッドが使用されます。
その結果、98%以上の精度を持つモデルが得られました。これは、同社で使用されている現在の手順と比較して、20% 多くの不良品を認識することができます。

要約(オリジナル)

Mineral wool production is a non-linear process that makes it hard to control the final quality. Therefore, having a non-destructive method to analyze the product quality and recognize defective products is critical. For this purpose, we developed a visual quality control system for mineral wool. X-ray images of wool specimens were collected to create a training set of defective and non-defective samples. Afterward, we developed several recognition models based on the ResNet architecture to find the most efficient model. In order to have a light-weight and fast inference model for real-life applicability, two structural pruning methods are applied to the classifiers. Considering the low quantity of the dataset, cross-validation and augmentation methods are used during the training. As a result, we obtained a model with more than 98% accuracy, which in comparison to the current procedure used at the company, it can recognize 20% more defective products.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google