Robust Anomaly Map Assisted Multiple Defect Detection with Supervised Classification Techniques

要約

インダストリー 4.0 は、新しいセンシング機能や人工知能などの新しい技術の進歩を活用して、製造環境を最適化することを目的としています。
DRAEM 手法は、教師なし分類の最先端のパフォーマンスを示しています。
欠陥が存在する可能性のある領域を強調する異常マップを作成する機能を活用して、教師付き分類モデルに手がかりを提供し、そのパフォーマンスを向上させることができます。
私たちの調査では、画像と対応する異常マップを入力として提供することで欠陥検出モデルをトレーニングすると、最高のパフォーマンスが達成されることが示されています。
さらに、このような設定は、欠陥検出をバイナリまたはマルチクラスの分類問題としてフレーミングする場合に一貫したパフォーマンスを提供し、クラス バランシング ポリシーの影響を受けません。
Philips Consumer Lifestyle BV から提供された実世界のデータを使用して、3 つのデータセットで実験を行いました。

要約(オリジナル)

Industry 4.0 aims to optimize the manufacturing environment by leveraging new technological advances, such as new sensing capabilities and artificial intelligence. The DRAEM technique has shown state-of-the-art performance for unsupervised classification. The ability to create anomaly maps highlighting areas where defects probably lie can be leveraged to provide cues to supervised classification models and enhance their performance. Our research shows that the best performance is achieved when training a defect detection model by providing an image and the corresponding anomaly map as input. Furthermore, such a setting provides consistent performance when framing the defect detection as a binary or multiclass classification problem and is not affected by class balancing policies. We performed the experiments on three datasets with real-world data provided by Philips Consumer Lifestyle BV.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google