基于深度学习的工业粘结剂喷射过程异常检测与质量增强流水线
机器学习
2022-09-26 v2
摘要
异常检测描述了寻找不同于正常值空间的异常状态、实例或数据点的方法。工业过程是这样一个领域：需要预测模型来发现异常数据实例以提升质量。然而，一个主要挑战是该环境中标签的缺失。本文致力于以数据为中心的方式在工业生产中应用人工智能。以一个汽车部件增材制造的用例，我们提出了一种基于深度学习的图像处理流水线。此外，我们将域随机化与合成数据在环的概念集成其中，显示出在桥接深度学习进展与其在真实世界工业生产过程应用方面的 promising 结果。
引用
@article{arxiv.2209.10178,
title = {Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes},
author = {Alexander Zeiser and Bas van Stein and Thomas Bäck},
journal= {arXiv preprint arXiv:2209.10178},
year = {2022}
}
备注
Conference paper for: 17. Fachtagung "Entwurf komplexer Automatisierungssysteme (EKA)", Magdeburg/Germany, June 2022