ページの先頭です

AI(人工知能)・機械学習の技術開発・コンサルティング 開発事例

【事例1】航空写真を用いた建物被災度判別(識別)

2016年熊本地震では、建物被害の把握のために、本震発生後3日以内に撮影された航空写真から、100人以上の技術者が3日間かけ、約30万棟の建物被害の目視判読を行いました。このような作業の効率化を目的として、そのうちの約3万棟を含む航空機オルソ画像から深層学習により建物の被災度を自動判別する手法を開発しました。

図6

※画像提供:国立研究開発法人防災科学技術研究所、株式会社パスコ

左右スクロールで表全体を閲覧できます

キーワード AI(人工知能), 機械学習, Deep Learning, Neural network, 深層学習, パターン認識, 学習, 特徴抽出,識別, クラス分類, 航空写真、航空機オルソ画像、被害推定

【事例2】良品学習の外観検査への適用(識別)

工場の製造ラインでの異物混入や汚れの付着、損傷箇所の発生等による不良品を検出する外観検査においては、発生しうる全ての異常データを網羅的、かつ、数多く取得することは現実的ではありません。

このようなケースにおいて、正常データのみを学習させて正常/異常データを判別する「良品学習」という手法が考案され、事前学習法としてAuto Encoder(AE)、Restricted Boltzmann Machine(RBM)、Deep Belief Network(DBN)等のモデルがあります。当社においても「良品学習」に取り組んでおり、下記の例は、電子基板画像の外観検査にDBNを試行した結果です。異常データに対して正常/異常の判定を行い、二値分類の評価指標であるAUC(*)で0.83の精度が得られました。

図5

※参照:「外観検査におけるAIの活用」第32回エレクトロニクス実装学会(永田毅)

  1. *AUC(Area under an ROC curve):二値分類における評価指標。1に近いほど性能がよく、ランダムの場合0.5となる。

左右スクロールで表全体を閲覧できます

キーワード AI(人工知能), 機械学習, Deep Learning, Neural Network, 深層学習, 良品学習, 外観検査, 二値分類, Auto Encoder(AE), Restricted Boltzmann Machine(RBM), Deep Belief Network(DBN), パターン認識, 事前学習, 学習, 特徴抽出,識別, クラス分類, 電子基板画像

【事例3】加速器超伝導空洞内部の画像を用いた欠陥検出(識別)

ILC(国際直線型加速器)*1で使用する超伝導空洞は、内部に欠陥があると超伝導状態が維持できなくなります。このため、超伝導空洞内をCCDカメラで撮影し、欠陥を検出する必要がありますが、超伝導空洞内の画像データは膨大で、すべての画像の欠陥を目視で点検することは困難です。また、欠陥のバリエーションも多く、通常のパターン認識や形状認識手法では限界があります。当社では、機械学習を適用して欠陥検出を行いました。精度向上のために、誤検出・未検出データを学習データに追加して再学習を行うことを繰り返すことで学習データを調整し、欠陥サンプルをすべて抽出することに成功しました。機械学習を利用しているため、欠陥のバリエーションが増えた場合にも、学習をやり直すことで新たな種類の欠陥を検出することが可能になっています。

図1

図2

※画像提供:高エネルギー加速器研究機構 加速器研究施設 早野仁司教授

  1. *1ILC(International Linear Collider:国際リニアコライダー)PROJECTは、全長約30kmの直線状の加速器をつくり、現在達成しうる最高エネルギーで電子と陽電子の衝突実験を行う計画です。宇宙初期に迫る高エネルギーの反応を作り出すことによって、宇宙創成の謎、時間と空間の謎、質量の謎に迫ります。

左右スクロールで表全体を閲覧できます

キーワード AI(人工知能), 機械学習, パターン認識, 学習, 欠陥検出,外観検査, 特徴抽出,識別, クラス分類,SVM

【事例4】鋳造部品の画像を用いた欠陥検出(識別)

機械学習においては、学習サンプルとして大量の入力画像を用意する必要がありますが、実際には学習サンプルを大量に用意することが困難なケースがあります。下図に示した画像認識もそのような事例の1つでしたが、統計的なばらつきを考慮しつつ学習サンプルを擬似的に増やすことで、複雑な鋳造部品の画像から欠陥領域を正しく検出し、誤検出をゼロに抑えることに成功しています。この技術は精密工学会が主催する外観検査アルゴリズムコンテスト2013にて「最優秀賞」を受賞しました。

図3

※外観検査アルゴリズムコンテスト出題画像


左右スクロールで表全体を閲覧できます

キーワード AI(人工知能), 機械学習, パターン認識, 学習, 欠陥検出, 外観検査, 特徴抽出,識別, クラス分類,SVM,サンプル抽出

【事例5】三次元顔画像の加齢シミュレーション(回帰)

警察庁科学警察研究所の顔画像の加齢化技術の研究に対して、画像解析、形状解析およびシステム化を支援しました。科学警察研究所と当社は、同一人物の経年変化を10年単位で計測した約150名分のデータを含む、約800名の三次元形状と顔テクスチャからなる三次元顔画像を元に機械学習を行いました。

初めに、三次元顔画像データから作成したさまざまな角度の二次元顔画像データを組み合わせて機械学習を行い、三次元画像と二次元顔画像の関係性を学習させることで、二次元の顔画像から三次元の顔画像を推定するモデルを開発しました。また、顔の特徴と加齢変化について機械学習を行い、顔の三次元形状と顔テクスチャの経年変化を推定するモデルを構築しました。これにより、顔が映った写真などの二次元画像から三次元の顔画像を推定し、加齢シミュレーションを行うことで、さまざまな角度からみた加齢画像を推定することが可能となりました。(「加齢化予測システム、加齢化予測方法及び加齢化予測プログラム」特許第5950486号)

図4


左右スクロールで表全体を閲覧できます

キーワード AI(人工知能), 機械学習, パターン認識, 学習, 回帰, 二次元画像,三次元画像,加齢シミュレーション,人物認識,顔認識

【その他】

左右スクロールで表全体を閲覧できます

  • 人物検出
  • 粒子解析
  • 顔認証
  • バイオメトリクス認証
  • 微小生物検出
  • カメラ位置推定
  • 三次元画像レジストレーション
  • 三次元物体認識
  • 医療画像セグメンテーション
  • 自動コンツーリング
  • リコメンデーション
  • 金融シミュレーション
  • 電流波形識別
  • SNSテキストマイニング
  • プローブデータマイニング

など多岐にわたる分野での技術開発やソフトウェア開発の実績があります。


左右スクロールで表全体を閲覧できます

キーワード AI(人工知能), 機械学習, パターン認識, 学習, 回帰, 識別, クラス分類, クラスタリング,データマイニング, リコメンデーション, 特徴量抽出, 二次元画像,三次元画像, 画像検出, 画像認証, 画像解析, 粒子解析, 自己位置推定, レジストレーション, セグメンテーション
ページの先頭へ