FlyAI小助手

  • 3

    获得赞
  • 85873

    发布的文章
  • 0

    答辩的项目

Automated visual inspection of CMS HGCAL silicon sensor surface using an ensemble of a deep convolutional autoencoder and classifier

利用深卷积自动编码器和分类器集成的CMS HGCAL硅传感器表面的自动视觉检测

作者: Sonja Grönroos,Maurizio Pierini,Nadezda Chernyavskaya

作者邀请

论文作者还没有讲解视频

邀请直播讲解

您已邀请成功, 目前已有 $vue{users_count} 人邀请!

再次邀请

More than a thousand 8" silicon sensors will be visually inspected to look for anomalies on their surface during the quality control preceding assembly into the High-Granularity Calorimeter for the CMS experiment at CERN. A deep learning-based algorithm that pre-selects potentially anomalous images of the sensor surface in real time has been developed to automate the visual inspection. The anomaly detection is done by an ensemble of independent deep convolutional neural networks

1000多个8英寸硅传感器将进行目测检查,以查看 在装配前的质量控制过程中出现表面异常 进入用于欧洲核子研究中心CMS实验的高粒度量热计。一片深渊 基于学习的算法,预先选择潜在的异常图像 开发了实时传感器表面以实现视觉的自动化 检查。异常检测由独立深度集合来完成 卷积神经网络

文件下载

论文代码

关联比赛

本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://flyai.com/paper_detail/20019
讨论
500字
表情
发送
删除确认
是否删除该条评论?
取消 删除