2022 Fiscal Year Annual Research Report
| Project/Area Number |
19H04141
|
|---|
| Research Institution | Kanagawa Institute of Technology |
|---|
Principal Investigator |
鳥井 秀幸 神奈川工科大学, 情報学部, 教授 (20343642)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
上平 員丈 神奈川工科大学, 情報学部, 教授 (50339892)
鈴木 雅洋 聖泉大学, 人間学部, 准教授 (30397046)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 3Dプリンタ / 情報埋め込み / 近赤外蛍光材 / ディープラーニング |
|---|
| Outline of Annual Research Achievements |
前年度に引き続き近赤外蛍光材で形成したQRコードを3Dプリンタ造形物内に埋め込み、これを近赤外線カメラで読み取る方法を検討した。近赤外線は造形物の材料である樹脂を透過するが、透過中に散乱を受けるため撮像画像がボケる。この解決法として、ボケたQRコードの撮像画像を生成型のディープラーニングにより元の画像に復元する方法を検討した。
生成型ディープラーニングとして、pix2pix型GAN(Generative Adversarial Network)とオートエンコーダーを用いた。これらのモデルを学習させるためQRコードの撮像画像をシミュレーションにより3000枚生成した。造形物モデルは、QRコードの造形物表面からの深さについて最大と最小をパラメータとして設定し、表面形状はランダムに生成した。撮像画像はQRコードの各画素位置の深さに依存するボケ関数を用いて畳み込みにより生成した。訓練用とは別に生成した100枚のテスト用画像を用いて、ディープラーニングによるボケ画像の復元性を評価するとともに、QRコードリーダーを用いて撮像したQRコードの認識率を評価した。
評価結果から、ディープラーニングによる補正なしの場合、QRコードが造形物表面から1mm程度と浅い場合は100％の精度で認識できるが、それ以上の深さでは認識率が低下し、深さが7mmになると全く認識ができない（認識率0％）ことがわかった。一方、pix2pix型GANおよびエンコーダによりQRコード画像の復元処理を実施すると、いずれもボケたQRコードの画像が元の画像に近い画像に復元でき、この結果、QRコードの深さにかかわらず100％の精度で認識が可能であることを明らかにした。
以上の結果から、様々な形状の造形物にも本技術を適用できることが確認でき、本技術の実用性を実証することができた。
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
