PSgANet：極座標系列ガイド付きアテンションネットワークによるコンタクトレンズの縁関連欠陥分類

科学分野:

• 産業プロセス最適化
• 製造における人工知能
• コンタクトレンズ品質管理

背景:

• コンタクトレンズ製造には、高い精度と安全性が要求されます。
• 既存のAI手法は、リム接続ゾーン（RCZ）の微妙な欠陥の検出に苦労しています。
• 運用効率と品質保証を強化するための高度なAIが必要です。

研究 の 目的:

• 正確なコンタクトレンズ欠陥検出のための新しいAIアプローチを導入する。
• RCZ欠陥特定のためのカスタムディープラーニングモデルPSgANetを開発する。
• コンタクトレンズ製造における欠陥の精度と分類を向上させる。

主な方法:

• 極座標変換を用いて、縁の不規則性を線形化しました。
• 系列学習とアテンションメカニズムを統合した極座標系列ガイド付きアテンションネットワーク（PSgANet）を開発しました。
• PSgANet（GRU、LSTM、Transformer）と従来のモデル（GoogleNetv4、EfficientNet、Vision Transformer）を比較しました。

主要な成果:

• PSgANetモデルは、従来の畳み込みニューラルネットワーク（CNN）ベースのモデルよりも優れた性能を発揮しました。
• LSTMベースのPSgANetが最も高い精度、適合率、再現率を達成しました。
• GoogleNetv4と比較して最大7.75%の精度向上が実証されました。

結論:

• 提案されたPSgANet手法は、RCZ欠陥の検出と分類に効果的です。
• AIの統合、特にPSgANetは、コンタクトレンズ製造における品質管理を強化します。
• このアプローチは、医療機器製造における厳格な安全要件に対する有望なソリューションを提供します。