Proposal and Evaluation of Learning-less Probability Distribution Dataset Model for Defect Detection Robots

• Project/Area Number: 25K07532
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 18020:Manufacturing and production engineering-related
• Research Institution: Tokyo University of Science, Yamaguchi
• Principal Investigator: 永田 寅臣 山陽小野田市立山口東京理科大学, 工学部, 教授 (50435070)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2027: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2026: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000); Fiscal Year 2025: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
• Keywords: 学習レス / 確率分布データセット / 不良品検査

Outline of Research at the Start

画像認識に深層学習の技術を応用したAI自動検査と称するシステムが製造ラインの中に実装され始めている。具体的なモデルについてはCNNやSVMなどが話題となっているが、十分な欠陥検出性能を発揮させるには正確にターゲットの欠陥の特徴を抽出するためのネットワークの設計、損失関数を含む学習法の検討、さらには多くの訓練データを用いた時間を要する学習工程が不可欠となっている。本研究では従来の学習作業を行うことなく構築でき、不良品判定とその可視化に加えて、過去に蓄積された膨大な情報の中から類似した特徴を探索できる「学習レス型データセットモデル」の有効性を検証し、検査ロボットに実装するまでの技術を確立する。