YOLO-based Object Detection in Industry 4.0 Fischertechnik Model Environment

要約

このホワイト ペーパーでは、フィッシャーテクニックのインダストリー 4.0 アプリケーション全体のプロセス フローを監視するための YOLO アーキテクチャの適合性を広範に調査します。
具体的には、サイズと複雑さの設計に関するさまざまなYOLOアーキテクチャと、さまざまな事前形状割り当て戦略が採用されています。
現実世界の工場環境をシミュレートするために、画質を大幅に向上させ、場合によっては低下させるさまざまな歪みで強化された豊富なデータセットを用意しました。
劣化は環境の変化を考慮して実行され、強化はデータセットの準備中に直面する色の相関を補正することを選択します。
実施した実験の分析は、目前の問題が本質的に継承する避けられない色の相関に取り組むために調整したトレーニングおよび検証戦略とともに、さまざまな手段を使用して評価された提示されたアプローチの有効性を示しています。

要約(オリジナル)

In this paper we extensively explore the suitability of YOLO architectures to monitor the process flow across a Fischertechnik industry 4.0 application. Specifically, different YOLO architectures in terms of size and complexity design along with different prior-shapes assignment strategies are adopted. To simulate the real world factory environment, we prepared a rich dataset augmented with different distortions that highly enhance and in some cases degrade our image qualities. The degradation is performed to account for environmental variations and enhancements opt to compensate the color correlations that we face while preparing our dataset. The analysis of our conducted experiments shows the effectiveness of the presented approach evaluated using different measures along with the training and validation strategies that we tailored to tackle the unavoidable color correlations that the problem at hand inherits by nature.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google