인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Quality management is an important aspect of industrial manufacturing. Plant managers strive to ensure that workers accurately recognize defects. Deep learning is widely used in manufacturing research, particularly for image inspection, and offers advantages such as accurate identification of defect sites and correct classification. We propose a hybrid supervised model based on CrossFormer theory to improve the accuracy and efficiency of defect detection in industrial manufacturing processes. CrossFormer combines the local perception capability of convolutional neural networks with the global contextual understanding of the transformer model and is suitable for addressing long-distance dependency problems in image data. A hybrid supervised strategy fully utilizes labeled and unlabeled data to enhance the learning capability of the model and reduce dependence on large amounts of labeled data. Experimental results on the KSDD2 and STEEL datasets confirm that our model outperforms existing methods on defect detection tasks, particularly when using a small amount of labeled data. In addition, analysis of the performance of the model on different datasets demonstrates the advantages of CrossFormer in capturing complex image features, which provides an effective solution for industrial defect detection and offers new perspectives for the design and training of deep learning models.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094367418
