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2

当社では、下記以外にも、さまざまな分野におけるお客さまの広範な技術課題の解決のサポートをしております。概要の中にある、開発事例の一覧もご参照ください。

【事例1】生細胞スライス画像からの細胞検出

共焦点レーザー顕微鏡等により焦点の深度をずらしながら標本断面を撮影することにより、生きた細胞の3次元スライス画像を得ることが出来ます。外観検査アルゴリズムコンテスト2018*1は、この3次元スライス画像から細胞領域を推定するというテーマで開催され、当社はディープラーニング(深層学習)と画像処理を組み合わせた手法を提案しました。

提案した手法では、学習に使用可能な正解データが非常に限定的な状況においても学習を可能とするための工夫を行い、ディープラーニングによりスライス画像から細胞核・細胞質の領域を推定しました。さらに、個々の細胞領域の分離やスライス間の空間的な対応付けを画像処理により行いました。この手法は、同コンテストにて「優秀賞」および「レゾナンスバイオ賞」を受賞しました。

図1

※入力画像・正解データ提供: 外観検査アルゴリズムコンテスト2018

  1. *精密工学会 画像応用技術専門委員会が主催する、外観検査プログラムの性能を競うコンテスト。

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, 形状検出, セマンティクセグメンテーション, 細胞領域の推定, ディープラーニング(深層学習)

【事例2】X線CT画像からの鋳巣(空洞欠陥)の検出

鋳造製品の非破壊検査の方法の1つに、X線CTによる内部検査があります。外観検査アルゴリズムコンテスト2019*1は、CT画像から鋳巣(製品内部の空洞)を検出するというテーマで開催され、当社はディープラーニング(深層学習)を用いた手法を提案しました。

大域的な連続性を考慮しつつ鋳巣の細かな形状を推定するために、低解像度の特徴と高解像度の特徴を同時に考慮する新しい小型のニューラルネットワークを考案し、データ拡張や学習の目的関数の工夫も行いました。この手法は、同コンテストにて「最優秀賞」を受賞しました。

図0201

図0202

※入力画像, 正解ラベル情報提供: 外観検査アルゴリズムコンテスト2019。ただし正解ラベルは当社により加工してラベルごとにランダムに色付けをして表示。

  1. *1 精密工学会 画像応用技術専門委員会が主催する、外観検査プログラムの性能を競うコンテスト。

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, 形状検出, セマンティックセグメンテーション, 異常検知, 鋳巣抽出, ディープラーニング(深層学習)

【事例3】鋳造部品の画像を用いた欠陥検出

機械学習においては、学習データとして大量の画像を用意する必要がありますが、実際には学習データを大量に用意することが困難なケースがあります。鋳造部品の撮影画像から欠陥を検出するというテーマで開催された外観検査アルゴリズムコンテスト2013*1も、学習データが非常に少ないケースでした。当社は、統計的なばらつきを考慮しつつ学習データ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ました。この手法は同コンテストにて「最優秀賞」を受賞しました。

図3

※鋳造部品画像提供: 外観検査アルゴリズムコンテスト2013

  1. *1精密工学会 画像応用技術専門委員会が主催する、外観検査プログラムの性能を競うコンテスト。

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, 欠陥検出, 外観検査, 特徴抽出, 異常検知,サポートベクターマシン(SVM), サンプル抽出

【事例4】加速器超伝導空洞内部の画像を用いた欠陥検出

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0401

図0402

※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. *11ILC(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, 欠陥検出, 外観検査, 特徴抽出, 異常検知,サポートベクターマシン(SVM)

その他の事例

当社では、上記以外にも、さまざまな分野におけるお客さまの広範な技術課題の解決のサポートをしております。概要の中にある開発事例の一覧もご参照ください。

ページの先頭へ