YOLO Network For Defect Detection In Optical lenses

要約

大量生産された光レンズは、散乱特性を変え、品質基準を妥協する欠陥を示すことがよくあります。
通常、手動検査は欠陥を検出するために採用されますが、精度が低く、エラー率が高く、スケーラビリティが限られているため、推奨されません。
これらの課題に対処するために、この研究はYolov8ディープラーニングモデルに基づいた自動欠陥検出システムを提示します。
モデルをトレーニングするために、欠陥領域とレンズ領域が注釈付けされた光レンズのカスタムデータセットが作成されました。
この研究で得られた実験結果は、システムを使用して光レンズの欠陥を効率的かつ正確に検出できることを明らかにしています。
提案されたシステムは、光学レンズ製造における信頼性が高くスケーラブルな欠陥検出を可能にすることにより、リアルタイムの産業環境で品質管理プロセスを強化することができます。

要約(オリジナル)

Mass-produced optical lenses often exhibit defects that alter their scattering properties and compromise quality standards. Manual inspection is usually adopted to detect defects, but it is not recommended due to low accuracy, high error rate and limited scalability. To address these challenges, this study presents an automated defect detection system based on the YOLOv8 deep learning model. A custom dataset of optical lenses, annotated with defect and lens regions, was created to train the model. Experimental results obtained in this study reveal that the system can be used to efficiently and accurately detect defects in optical lenses. The proposed system can be utilized in real-time industrial environments to enhance quality control processes by enabling reliable and scalable defect detection in optical lens manufacturing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google