دانلود پایان نامه تشخیص ناهنجاری سه بعدی صنعتی با یادگیری ماشین بدون نظارت

عنوان فارسی

محلی سازی و تشخیص ناهنجاری سه بعدی صنعتی با استفاده از یادگیری ماشین بدون نظارت

عنوان انگلیسی

Industrial 3D Anomaly Detection and Localization Using Unsupervised Machine Learning

کلمات کلیدی :

  یادگیری ماشین؛ تشخیص ناهنجاری 3D؛ استخراج ویژگی؛ تولید؛ بینایی کامپیوتر؛ ترانسفورمر بینایی؛ پوینت نت

رشته های مرتبط مهندسی کامپیوتر
تعداد صفحات پایان نامه انگلیسی : 93 دانشگاه : Linköping University
سال انتشار : 2023 تعداد رفرنس : 57
فرمت فایل ترجمه شده : PDF و WORD قابل ویرایش کیفیت ترجمه : تخصصی ویژه با کیفیت طلایی
پاورپوینت : ندارد

سفارش پاورپوینت این پایان نامه

وضعیت ترجمه : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید
computer thesis
قیمت دانلود ترجمه پایان نامه
669,000 تومان
پایان نامه حاضر با عنوان "محلی سازی و تشخیص ناهنجاری سه بعدی صنعتی با استفاده از یادگیری ماشین بدون نظارت" بصورت کاملا تخصصی توسط تیم "مهندسی کامپیوتر" فرداپیپر ترجمه شده است. اگر موضوع پایان نامه ارشد یا دکتری شما مشابه این موضوع باشد، مطالعه ی این تز کمک شایانی به شما خواهد کرد تا بتوانید به نحو احسن پروژه خود را تکمیل نمایید.
فهرست مطالب

1. مقدمه 2. کارهای مرتبط 3. نظریه 4. روش 5. ارزیابی 6. نتایج 7. بحث و بررسی 8. نتیجه گیری

ترجمه چکیده

چکیده – آشکارسازی نقایص در محصولات تولیدی صنعتی برای اطمینان از ایمنی و کیفیت آنها بسیار مهم است. این فرآیند می تواند پرهزینه و پرخطا باشد اگر به صورت دستی انجام شود و در نتیجه باعث می شود راهکارهای خودکار، مطلوب و مناسب گردند. پژوهش های گسترده ای در مورد آشکارسازی نقایص صنعتی در تصاویر انجام شده اند، اما مطالعات اخیر نشان داده اند که افزودن اطلاعات سه بعدی می تواند عملکرد را افزایش دهد. هدف این پایان نامه، گسترش چارچوب آشکارسازی ناهنجاری دو بعدی، PaDiM برای شامل کردن اطلاعات سه بعدی است. روش های پیشنهادی، RGB را با نقشه های عمق یا ابرهای نقطه ای و اثرات استفاده از PointNet++ و تبدیل کننده های بصری ترکیب می کنند تا ویژگی های مدنظر استخراج شوند. این روش ها برروی پایگاه داده عمومی MVTex 3D-AD با استفاده از معیارهای AUROC تصویر، AUROC پیکسل و AUPRO و برروی یک مجموعه داده کوچک گردآوری شده با یک حسگر «زمان پرواز»، ارزیابی می شوند. این پایان نامه نتیجه گیری می کند که افزودن اطلاعات سه بعدی، عملکرد PaDiM را بهبود می بخشد و مبدل های بصری به بهترین نتایج، با نمره های میانگین AUROC تصویر برابر با 86.2±0.2 برروی MVTec 3D-AD، دست پیدا می کند.

چکیده انگلیسی

Detecting defects in industrially manufactured products is crucial to ensure their safety and quality. This process can be both expensive and error-prone if done manually, making automated solutions desirable. There is extensive research on industrial anomaly detection in images, but recent studies have shown that adding 3D information can increase the performance. This thesis aims to extend the 2D anomaly detection framework, PaDiM, to incorporate 3D information. The proposed methods combine RGB with depth maps or point clouds and the effects of using PointNet++ and vision transformers to extract features are investigated. The methods are evaluated on the MVTec 3D-AD public dataset using the metrics image AUROC, pixel AUROC and AUPRO, and on a small dataset collected with a Time-of-Flight sensor. This thesis concludes that the addition of 3D information improves the performance of PaDiM and vision transformers achieve the best results, scoring an average image AUROC of 86.2±0.2 on MVTec 3D-AD.

توضیحات

محتوی بسته دانلودی:

فایل PDF پایان نامه انگلیسی فایل ورد قابل ویرایش (WORD) و PDF ترجمه پایان نامه به صورت کاملا مرتب ترجمه شکل ها و جداول انجام شده است
قیمت : 669,000 تومان

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دانلود پایان نامه تشخیص ناهنجاری سه بعدی صنعتی با یادگیری ماشین بدون نظارت”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

5 × 3 =

مقالات ترجمه شده

نماد اعتماد الکترونیکی

پشتیبانی

logo-samandehi