”良か不良”ではなく”正常らしさ”を学ぶAI

研究概要

深層学習は近年、急速に発展し様々な分野で活躍していますが、外観検査もその一つです。外観検査への応用方法で最も単純なのは、製品や部品の良品・不良品それぞれの画像データを用意し、これをニューラルネットワークが学習し、新たな対象の画像を良品／不良品に分類する方法です。この方法は良品と不良品の画像データが同数程度必要となります。正常品に比べ不良品が圧倒的に少ないところに適用するのは難しいという問題点があります。また、未知の不良に対して対応できないという問題点もあります。そこで、正常から外れた異常なものを検出する異常検知という技術を用い、良品のみの学習で不良品を検出するニューラルネットワークの研究を行っています。

産業界へのアピールポイント

• 深層学習により高精度に異常検知
• 不良サンプルなしでも学習可能
• 未知の不良パターンを検出可能

実用化例･活用例

• コスト削減や検査基準の標準化を目的とした外観検査の自動化
• 従来の検査装置と組み合わせ、未知の不良への対応