MétaCan
Menu
Retour à la cohorte
Enregistrement W4288075324 · doi:10.18280/ts.390315

An Improved BM3D-Canny-Zernike Algorithm for Micro-Size Detection of Electronic Connectors

2022· article· en· W4288075324 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueTraitement du signal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Vision Systems and Defect Detection
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Shaanxi ProvinceNational Natural Science Foundation of China
Mots-clésZernike polynomialsCanny edge detectorSubpixel renderingAlgorithmArtificial intelligenceEnhanced Data Rates for GSM EvolutionPixelComputer scienceEdge detectionMathematicsMean squared errorComputer visionPattern recognition (psychology)Image processingImage (mathematics)StatisticsOptics

Résumé

récupéré en direct d'OpenAlex

To detect the micro-size injection molded parts of electronic connectors, this paper establishes a complete size detection system based on machine vision, and measures the size through image acquisition and processing, according to the features of the injection molded parts. The proposed system is called the improved BM3D-Canny-Zernike algorithm. Specifically, the traditional block matching and three-dimensional filtering (BM3D) image denoising algorithm was improved to optimize the peak signal-to-noise ratio (PSNR) and reduce the mean squared error (MSE). Then, the Canny algorithm was improved for pixel-level edge detection, and the Zernike moment is improved for detecting edges on the subpixel-level more effectively and reducing the calculation amount. Finally, the least squares method was employed to fit the edge to be measured. The exact pixel length was obtained by solving the function of different edges, thereby realizing size measurement. Experimental results show that the mean error percentage of our algorithm was 8.73%, which meets the needs of industrial detection.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,387
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,213
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle