视频成像数据中聚类事件的实时检测及其在增材制造中的应用
应用统计
2020-04-24 v1 计算机视觉与模式识别
摘要
在工业中，使用视频成像数据进行在线过程监控变得越来越普遍。在此框架下，需要时空统计过程监控方法来捕获相关信息内容并发出可能的失控状态信号。视频成像数据的特征在于取决于底层现象的时空变异性结构，典型的失控模式与在时间和空间上均局部化的事件相关。在本文中，我们提出了一种用于视频成像数据异常检测的集成时空分解与回归方法。失控事件通常在空间上稀疏聚类且在时间上保持一致。因此，目标不仅是尽快检测出异常（“何时”），还要对其进行定位（“何地”）。所提出的方法通过将原始时空数据分解为随机自然事件、空间稀疏聚类且时间一致的异常事件以及随机噪声来工作。我们提出了时空回归的递归估计程序，以实现所提方法的实时应用。最后，提出了一种似然比检验程序来检测热点发生的时间和位置。所提出的方法被应用于视频成像数据分析，以检测和定位金属增材制造过程中逐层加工期间的局部过热现象（“热点”）。
引用
@article{arxiv.2004.10977,
title = {Real-time Detection of Clustered Events in Video-imaging data with Applications to Additive Manufacturing},
author = {Hao Yan and Marco Grasso and Kamran Paynabar and Bianca Maria Colosimo},
journal= {arXiv preprint arXiv:2004.10977},
year = {2020}
}