画像の重ね合わせを用いた深層学習による統合型外観検査システムに関する実証的研究

• 研究課題/領域番号: 18K13955
• 研究種目: 若手研究
• 配分区分: 基金
• 審査区分: 小区分25010:社会システム工学関連
• 研究機関: 神奈川大学
• 研究代表者: 山崎 友彰 神奈川大学, 経営学部, 准教授 (30706891)
• 研究期間 (年度): 2018-04-01 – 2020-03-31
• 研究課題ステータス: 完了 (2019年度)
• 配分額: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円); 2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2018年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
• キーワード: 深層学習 / 外観検査 / 機械学習

研究成果の概要

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。構築した外観検査システムの改善効果には高いものがあると判断できる。一方、サンプル数の少ない欠点に対しては、サンプル数が十分に確保可能な欠点を用いて分類モデルを構築後、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した。これによって、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。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。

研究成果の学術的意義や社会的意義

サンプル数が十分にある欠点に対して、その検出精度を明らかにした点は、産業界における外観検査において、深層学習の利用を促進させる意味があり、社会的意義が認められると考えた。また、サンプル数の少ない欠点を検出するひとつのアプローチの有効性を示した点について、学術的意義があると考えた。