2019 Fiscal Year Annual Research Report
Using image superposition for visual inspection system
Project/Area Number |
18K13955
|
Research Institution | Kanagawa University |
Principal Investigator |
山崎 友彰 神奈川大学, 経営学部, 准教授 (30706891)
|
Project Period (FY) |
2018-04-01 – 2020-03-31
|
Keywords | 深層学習 / 外観検査 |
Outline of Annual Research Achievements |
平成30年度では、実際の製品に対してNeural Networkの深層学習アルゴリズムを活用して複数枚画像を用いた外観検査システムを構築し、その効果を明らかにした。欠点の大きさ等に起因する作業員の目視検査による不良品判定の難しさを考慮すると、構築した外観検査システムの判定精度の実験結果から、改善効果には高いものがあると判断できる。 令和元年度では、サンプル数の少ない欠点に対する改良を行った。サンプル数の少ない欠点を検出するアプローチとしては異常検知がある。これは正常データのみを学習させたモデルで、未知の異常を検出することを目的にしている。本研究では、この両者を組み合わせるアプローチをとった。サンプル数が十分に確保可能な欠点を分類するモデルを構築後、サンプル数の少ない欠点に対する特徴量をモデルから抽出し、良品の特徴量との類似度を算出するアプローチである。これによって、閾値との比較から、サンプル数の少ない欠点についても検出することが可能となった。これは、分類モデルが学習過程で、該当製品における良品と不良品を切り分ける特徴量を獲得したことを表している。 また、実験の過程で加工機別の加工面の特徴を、外観検査システムにより明らかにすることができた。本来、加工機による加工面の違いやロットごとの加工面の違いは、解消しなければならない問題である。しかし、実際には経年劣化や、予防保全の不備などが原因となって、それまで発生しなかったさまざまな品質上の問題が生じることがある。この問題に対して、外観検査システムを用いることで、熟練した作業員であっても目視検査では認識することができない問題を、未然に表出させることが可能になることを示唆する知見も得られたと考えている。
|