基于卷积神经网络图像分类的真空玻璃保温窗自动质量控制
计算机视觉与模式识别
2022-07-08 v1 人工智能
摘要
真空玻璃保温窗（VIG）是一种高隔热窗技术，与性能相当的气体填充中空玻璃单元相比，具有极薄外形和更轻重量。VIG 为双玻结构，玻间为亚毫米真空间隙，因而在其使用寿命内承受恒定大气压力。玻间布置有小支柱以维持间隙，其可能损伤玻璃，降低 VIG 单元寿命。为高效评估玻璃表面损伤，亟需一套自动损伤检测系统。为对损伤进行分类，我们开发、训练并测试了一个使用卷积神经网络的深度学习计算机视觉系统。该分类模型以接收者操作特征（ROC）曲线下面积（AUC）100% 完美分类了测试数据集。我们使用 Faster-RCNN 自动将图像裁剪至相关信息区域以定位支柱位置。我们采用可解释人工智能（XAI）的先进方法 Grad-CAM 与 Score-CAM 来理解内部机制，并表明我们的分类器在裂纹位置与几何识别上优于 ResNet50V2。因此，所提方法即使在没有大量训练数据的情况下也能检测系统性缺陷。对我们模型预测能力的进一步分析表明，其在收敛速度、准确率、100% 召回率下的精确率以及 ROC 的 AUC 方面优于最先进模型（ResNet50V2、ResNet101V2 和 ResNet152V2）。
引用
@article{arxiv.2110.08079,
title = {Automated Quality Control of Vacuum Insulated Glazing by Convolutional Neural Network Image Classification},
author = {Henrik Riedel and Sleheddine Mokdad and Isabell Schulz and Cenk Kocer and Philipp Rosendahl and Jens Schneider and Michael A. Kraus and Michael Drass},
journal= {arXiv preprint arXiv:2110.08079},
year = {2022}
}
备注
10 pages, 11 figures, 1 table