2006 Fiscal Year Annual Research Report
独立成分分析と競合型ニューラルネットによる音響検査の高度自動化
| Project/Area Number |
17360185
|
|---|
| Research Institution | Osaka Prefecture University |
|---|
Principal Investigator |
大松 繁 大阪府立大学, 工学研究科, 教授 (30035662)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
藤中 透 大阪府立大学, 工学研究科, 助教授 (90190058)
吉岡 理文 大阪府立大学, 工学研究科, 助教授 (70285302)
|
|---|
| Keywords | 匂い計測装置 / 独立成分分析 / オクターブバンド / 遺伝的アルゴリズム / 自己組織化特徴地図 / 競合型ニューラルネットワーク / 匂い特徴量 / 匂い識別 |
|---|
| Research Abstract |
本研究の目的は、様々な騒音環境下で稼動している工場内で計測した検査対象の音響計測データから、知的信号処理を用いて、音響信号データの特徴量を抽出し、競合型ニューラルネットワークを用いて、熟練検査員と同程度の検査精度でしかも検査員よりも短時間に、ばらつきが小さく再現性が高い検査ができる音響検査の高度自動化法を確立することである。今年は以下の研究成果を得た。
(1)独立成分分析(ICA)による信号成分の抽出の高精度化
ICAを用いて検査に必要な信号成分を抽出した。具体的には、マッサージ器を製造している家電企業の協力を得て、搬送ラインの機械音、コンプレッサ音、搬送ロボット音などが介在している騒音環境下で、マッサージ器に組み込まれている伝達装置の音響データを計測し、それにICAを適用して伝達装置の信号成分を抽出した。
(2)信号音のスペクトル解析による特徴量の抽出
(1)で抽出された信号成分からオクターブバンドを計算し、製品の良否に対してその差異が顕著な周波数帯域の選択とオクターブバンドの時系列的変化を示す特徴量の抽出を遺伝的アルゴリズム(Genetic Algorithm : GA)で行った。
(3)特徴量のクラスタ分析
自己組織化特徴地図(Self-Organizing feature Map : SOM)を用いて、ニューラルネットの代表的な教師パターンを選択するために、GAで決定された周波数帯域のオクター・ブバンドとその時系列的変化の特徴量:をクラスタ分類し、競合型ニューラルネットワークの入力として有用な特徴量であることを検証した。
|
