| 研究概要 |
射出成形やハンドレイアップなどの複合材料製品は,工程上外観検査で検出できる欠陥が存在し,これを自動化するシステムの開発をめざして研究を進めた.その結果,画像情報と形状情報による欠陥の分類の重要度を重度,中度,軽度の3段階としたルールテーブルによる実用的なカテゴリ分類法を考案した.この方法は,それぞれ評価因子がどのような性質を持っているかにより重要度を決定するための基準とし,2段階ルールテーブル評価での分類を行った.具体的には,欠陥部の重要度別に分類したものをさらに厳密な分類を行うようにルールテーブルによる分類法を開発し,水槽用埋め込みFRPタンクの外壁材を用いた製品の一部をレプリカとして抽出した画像により,提案手法の有効性を実験的に検証した.また,FRP部材に対し,提案したルールテーブル法による分類アルゴリズムの有効性検証のため,3層人口ニューラルネットワーク(ANN)を用いて同一対象に対する分類評価を行い,両者の結果を比較して検証した.その結果,提案手法はANNによる分類よりも柔軟な分類が可能で,かつアルゴリズム中に熟練者など人間の経験知識を陽に生かせるものであり,パラメータの調整も容易であることを検証できた.また,検査画像に匹敵するシンプルな特徴属性情報に対して,被験者には視覚的に感じた度合いを一対比較のSD尺度で回答してもらう識別特性実験を実施した.ここで示す実験手法は,調査実験の方法を工夫することによって,調査データをANN解析するだけでなく,同時に実験計画法に基づく分散分析と,統計的手法である主成分分析が容易にできるよう設計されており,多角的に評価することを可能にした.その結果,5層砂時計型ニューラルネットワークの縮約効果によって,得られた結果は人間の識別特性の傾向が出ており,従来の主成分分析法と比較しても,非線形主成分分析として,より感度が高いことも示し得た.
|
