面向基于AI的缺陷检测与分类模型推理的形态学图像分析与特征提取
计算机视觉与模式识别
2023-10-11 v3 人工智能
摘要
随着人工智能(AI)模型在工程与制造等行业中的使用日益普遍,这些模型必须对其预测提供透明的推理过程。本文提出AI-Reasoner,其从图像中提取缺陷的形态学特征(DefChars),并利用决策树基于DefChar值进行推理。随后,AI-Reasoner导出可视化(即图表)与文本解释,以阐明基于掩码(mask)的缺陷检测与分类模型的输出。它还提供有效的缓解策略,以改进数据预处理与整体模型性能。AI-Reasoner在一组包含缺陷的366张图像上,针对解释IE Mask R-CNN模型的输出进行了测试。结果表明其在解释IE Mask R-CNN模型预测方面的有效性。总体而言,所提出的AI-Reasoner为提升需要缺陷分析的工业应用中AI模型的性能提供了一种解决方案。
引用
@article{arxiv.2307.11643,
title = {Morphological Image Analysis and Feature Extraction for Reasoning with AI-based Defect Detection and Classification Models},
author = {Jiajun Zhang and Georgina Cosma and Sarah Bugby and Axel Finke and Jason Watkins},
journal= {arXiv preprint arXiv:2307.11643},
year = {2023}
}
备注
8 pages, 3 figures, 5 tables; accepted in 2023 IEEE symposium series on computational intelligence (SSCI)