不透明液体疫苗的自动化检测
计算机视觉与模式识别
2020-02-24 v1
摘要
在制药行业中，含有悬浮液的不透明疫苗的检测目前是一项由训练有素的人工视觉检测员执行的手动任务。我们展示了深度学习可有效地用于自动化此过程。需要运动的对比度以将异常与其他颗粒、反射以及停留在小瓶表面的灰尘区分开。我们训练 3D-ConvNets 来预测 20 帧视频样本包含异常的可能性。我们的未增强数据集由手工标注的样本组成，使用制药公司 HAL Allergy Group 提供的小瓶录制。我们训练了十个随机初始化的 3D-ConvNets 以提供基准，观察到正样本（含异常）和负样本（无异常）的平均 AUROC 分数分别为 0.94 和 0.93。利用帧补全生成对抗网络（Frame-Completion Generative Adversarial Networks），我们：(i) 引入一种计算显著性图的算法，用以验证 3D-ConvNets 确实在识别异常；(ii) 提出一种新颖的自训练方法，利用显著性图判断多个网络是否就异常位置达成一致。我们的自训练方法使我们能够通过标注 217,888 个额外样本来增强数据集。使用增强数据集训练的 3D-ConvNets 比仅使用未增强数据集训练时所得结果有所改进。
引用
@article{arxiv.2002.09406,
title = {The Automated Inspection of Opaque Liquid Vaccines},
author = {Gregory Palmer and Benjamin Schnieders and Rahul Savani and Karl Tuyls and Joscha-David Fossel and Harry Flore},
journal= {arXiv preprint arXiv:2002.09406},
year = {2020}
}
备注
8 pages, 5 Figures, 3 Tables, ECAI 2020 Conference Proceedings