• SuperSimpleNet z razširjenimi učnimi zmogljivostmi
Novice

Zaznavanje površinskih napak je ključen korak v številnih industrijskih procesih, saj neposredno vpliva na kakovost, varnost in zanesljivost izdelkov.


V praksi imajo obstoječe metode pogosto težave: bodisi niso dovolj učinkovite bodisi se dobro obnesejo le v enem točno določenem učnem scenariju. To pomeni, da jih je težko prilagoditi raznolikim oblikam označevanja podatkov, s katerimi se srečujemo v realnih proizvodnih okoljih – od polnih oznak na ravni pikslov do šibkih oznak na ravni slike ali celo povsem neoznačenih podatkov.

 

Doslej so najboljše rezultate večinoma dosegali modeli, ki temeljijo na polnih oznakah, medtem ko so bili scenariji s šibkimi oznakami ali s kombinacijo različnih tipov oznak redkeje obravnavani. Prav ti scenariji pa so v industriji pogosto najbolj realistični.

 

Ta problem so naslovili raziskovalci Blaž Rolih, Matic Fučka in prof. dr. Danijel Skočaj v članku No label left behind: A unified surface defect detection model for all supervision regimes, ki je bil sprejet v revijo Journal of Intelligent Manufacturing.

 

V raziskavi so razširili svoj prejšnji model SuperSimpleNet in mu omogočili delovanje v vseh režimih nadzora med učenjem – od nenadzorovanega do šibko, mešano in polno nadzorovanega učenja. Nova različica ohranja preprosto in učinkovito zasnovo, hkrati pa omogoča uporabo katerekoli kombinacije oznak, ki so na voljo. Rezultati na več industrijskih podatkovnih zbirkah kažejo, da razširjeni SuperSimpleNet dosega visoko natančnost, obenem pa ostaja hiter in lahek za uporabo v praksi.

 

 

Sl. 1: Primeri različnih tipov oznak, ki jih podpira razširjeni SuperSimpleNet (od neoznačenih primerov in šibkih oznak na ravni slike, do polnih oznak na nivoju pikslov).

 

Sl. 2: Primer detekcije površinskih napak na industrijskih izdelkih z uporabo SuperSimpleNet.

 

Celoten članek si lahko preberete tukaj:

Prejšnja novica