［招待講演］高性能かつコストエフェクティブな外観検査AIに向けた統計的機械学習の先進的応用

• Item type: SIG Technical Reports(1)
• 公開日: 2022-06-02
• タイトル: ［招待講演］高性能かつコストエフェクティブな外観検査AIに向けた統計的機械学習の先進的応用
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 招待講演
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 九州工業大学大学院情報工学研究院
• 著者名: 徳永, 旭将
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 工業製品の良・不良を見た目から識別する外観検査は，製造業の品質管理に欠かせない工程である．近年では，検査項目の多様化・大規模化により，この工程を自動化することの重要性が増している．特定のルール群に基づいて製品の良・不良を判別するルールベースの外観検査は多くの生産ラインで導入されてきた．ルールベース方式の外観検査は判別基準が明確であるが，判別のルール化が困難な不良が存在する場合，見逃しが多く発生してしまう．逆に，ノイズの存在により多くの過検出が発生してしまうこともある．その場合，過検出箇所をふるい落とすために，異なる基準で多段的な検査を実施する必要に迫られる．さらには，不良の外観が多様である場合には，判定基準の調整・最適化に多くの労力を要することがある．このようなルールベースの外観検査の限界を克服するため，ディープニューラルネットワーク（DNN）に立脚した外観検査 AI 技術が多く提案されている．DNN は非常に多くのパラメータを持つため，十分な性能を引き出すには多くの訓練画像サンプルが必要である．しかしながら，良品画像に比べ不良品画像は一般にサンプルの収集が困難である．特に不良モードが多様な場合には，全ての不良に対し十分な訓練サンプルを収集することは現実的ではない．これらのことから，限られた枚数の不良品画像からでもいかに不良領域を効率的に検出，あるいは位置同定できる DNN を構築するかが，外観検査 AI の最重要課題と言える．そこで我々は，高性能かつコストエフェクティブな外観検査 AI を目指し，統計的機械学習の先進的応用研究を進めている．具体例として，通常の教師あり DNN に加え，（１）良品画像の敵対的学習による欠損補間に基づく外観検査 AI，（２）良品画像の教師なし学習と不均衡データの教師あり学習を組み合わせたハイブリッドな外観検査 AI，そして，（３）半教師あり学習に基づく外観検査 AI 等の研究を推進している．いずれのアプローチも，必要な性能を維持しつつ，いかに不良品画像収集のコストを抑制できるかという点に焦点を当てている．現在，これら外観検査 AI を，複数のものづくり企業が抱える外観検査問題に応用する試みを進めている．講演では，その過程で見えてきた工業製品の外観検査 AI に関する共通の課題と，今後の目標・展望について述べる．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10438399
• 書誌情報: 研究報告オーディオビジュアル複合情報処理（AVM）; 巻 2022-AVM-117, 号 6, p. 1-1, 発行日 2022-06-02
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8582
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会