[論文レビュー] A New Benchmark Dataset for Texture Image Analysis and Surface Defect Detection

Shervan Fekri Ershad|arXiv (Cornell University)|Jan 1, 2019

Industrial Vision Systems and Defect Detection参考文献 12被引用数 3

ひとこと要約

本稿では、テクスチャ画像分析および表面欠陥検出のための二重目的ベンチマークであるストーンテクスチャ画像（STI）データセットを紹介する。STIは、回転、ズーム、テクスチャサイズ、欠陥タイプの実際の変動を反映した4つのクラスにまたがる60枚の石のテクスチャ画像を含む。最先端の記述子を用いて評価した結果、既存のデータセットよりも高い挑戦性と現実性を示し、MLBP16,2を用いることでテクスチャ分類で最大98.06%の正確度を達成した。

ABSTRACT

Texture analysis plays an important role in many image processing applications to describe the image content or objects. On the other hand, visual surface defect detection is a highly research field in the computer vision. Surface defect refers to abnormalities in the texture of the surface. So, in this paper a dual purpose benchmark dataset is proposed for texture image analysis and surface defect detection titled stone texture image (STI dataset). The proposed benchmark dataset consist of 4 different class of stone texture images. The proposed benchmark dataset have some unique properties to make it very near to real applications. Local rotation, different zoom rates, unbalanced classes, variation of textures in size are some properties of the proposed dataset. In the result part, some descriptors are applied on this dataset to evaluate the proposed STI dataset in comparison with other state-of-the-art datasets.

研究の動機と目的

• テクスチャ画像分析および表面欠陥検出のための現実的で応用指向のベンチマークデータセットが不足しているという問題に対処すること。
• 局所的な回転、変動するズームレベル、多様な欠陥タイプを含む、実際の産業用点検の課題を反映したデータセットを作成すること。
• テクスチャ分類と欠陥検出の両方のタスクを統合的にサポートする統一されたベンチマークを提供すること。

提案手法

• STIデータセットは、産業用点検環境を模倣するための制御されたが多様な撮影条件下で、実際の石のサンプルを用いて収集された。
• データセットには60枚の画像が含まれる：テクスチャ分析用に20枚（4種類の石の各5サンプル）、欠陥検出用に40枚（各クラスに5枚の欠陥なし、10枚の欠陥あり）。
• 画像は回転角度（0°から90°）、異なるズーム率、自然なテクスチャの繰り返しを含むことで、現実世界のばらつきを反映した。
• 低サイズおよび高サイズのテクスチャと欠陥を含み、色、形状、テクスチャの破壊の変動がある。
• 1DLBP、MLBP16,2、NrCLBP、MBPといった標準的なテクスチャ記述子を用いて、STIデータセットにおける性能を評価した。
• テクスチャ分類および欠陥検出に関する実験を通じてデータセットを検証し、正確度と頑健性に関する定量的結果を報告した。

実験結果

リサーチクエスチョン

• RQ1 STIデータセットは、テクスチャ分析における現実性と挑戦性の観点で、既存のベンチマークデータセットと比べてどのように異なるか？
• RQ2 最先端のテクスチャ記述子は、STIデータセット上でどれほど高い性能を達成できるか？
• RQ3 回転、ズーム、欠陥特性の変動が、STIデータセット上での欠陥検出システムの性能にどのように影響するか？
• RQ4 STIデータセットは、統合フレームワークにおいてテクスチャ分類と表面欠陊検出の両方のタスクを効果的に支援できるか？

主な発見

• 1DLBP + SSR記述子を用いたSTIデータセットでは、平均分類正確度が97.07%に達し、テクスチャ分類において優れた性能を示した。
• NrCLBP記述子はクリーム系クラスで97.33%、トレヴァルチンで98.06%、平均で96.47%の正確度を達成し、高い頑健性を示した。
• MBP記述子は平均正確度91.26%にとどまり、より頑健性の低い手法にとっての挑戦の高さを浮き彫りにした。
• 局所的回転、変動するズーム、現実的な欠陥の変動を含むデータセットの特徴は、既存のベンチマークよりも産業応用に近い実態を反映している。
• 実験結果から、STIデータセットは、その現実的な画像のばらつきのおかげで、Brodatz、Outex、VisTexといった伝統的なデータセットよりもより挑戦的であることが確認された。
• STIデータセットは、テクスチャ分類と表面欠陥検出の両方の評価を効果的に行うことができ、二重目的の有用性が裏付けられた。