基于深度学习与数据增强的工业焊接过程故障检测探索
计算机视觉与模式识别
2024-09-04 v1 人工智能
摘要
随着深度学习模型在计算机视觉领域的兴起，其在工业过程中的应用新可能已证明可带来巨大收益。然而，机器学习对于高度标准化工业过程的切实适用性仍存争议。本文以激光束焊接质量控制为用例，探讨 AI 工具在工业实现中的挑战。我们使用 TensorFlow 目标检测 API 中的目标检测算法，并通过迁移学习使其适应我们的用例。我们开发的基线模型用作基准，并与经过数据集扩充和超参数调优的模型进行评估和比较。我们发现，通过图像增强对数据集进行适度扩充可改善交并比（IoU）和召回率，而过高程度的增强与扩充可能导致结果恶化。最后，我们将结果置于底层用例的视角下并评估其适用性。
引用
@article{arxiv.2106.10160,
title = {Toward Fault Detection in Industrial Welding Processes with Deep Learning and Data Augmentation},
author = {Jibinraj Antony and Florian Schlather and Georgij Safronov and Markus Schmitz and Kristof Van Laerhoven},
journal= {arXiv preprint arXiv:2106.10160},
year = {2024}
}