| 研究課題/領域番号 |
19K02979
|
|---|
| 研究機関 | 東北学院大学 |
|---|
研究代表者 |
志子田 有光 東北学院大学, 工学部, 教授 (00215972)
|
|---|
| 研究分担者 |
淡野 照義 東北学院大学, 工学部, 教授 (50176004)
森島 佑 東北学院大学, 工学部, 講師 (40734132)
鈴木 順 仙台高等専門学校, 総合工学科, 准教授 (00639255)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 遠隔授業 / 機械学習 / 電子回路教材 / 画像解析 / 不定形物体形状識別 / インフォーマル学習 |
|---|
| 研究実績の概要 |
本研究では、電気・電子回路技術について情報系の学生が、IoT技術等をインフォーマル学習、自発的学習等において自学・自習するための教材と学習支援システムについて検討を重ねてきた。前提として、大学・高専等の高等教育機関において座学や実技によって、電気・電子回路の基礎を学び、対面指導を受けたのちに、課外時間において、教員の指導を離れて取り組むために必要となる教材や学習環境を整備する必要がある。一方、2019年度末から始まったコロナ禍では、2022年度前半に至るまで対面指導が実施不可能となり、学習者による電子回路配線の成否を遠隔授業で判定することは困難を極めるため、教育現場ではそれらの作業を可能な限り削減した簡易な教材へと変更が求められることとなった。以上の経緯と経験から、新たな独自教材を開発するのではなく、最も汎用性が高い電子教材を遠隔授業や自学自習で用いる場合の障壁となる、回路接続の正誤判定を行うシステムの基礎技術開発を中心に研究を進めてきた。具体的にはブレッドボード上の電子部品や配線の接続関係を機械学習技術によって判定する技術が必要となる。電子回路部品は一般にその形状が明確な工業製品であり、それらの部品を機械学習に基づく画像認識技術によって識別しようとするとき、合成画像による学習データを多数準備することで学習量を増やし、その識別精度を向上させ得ることが期待できる。実際に合成画像を生成し、SSD(Single Shot MultiBox Detector)を用いて抵抗器など電子部品の識別を行ったところ、合成画像が電子部品の物体識別における学習データに対し有効であることを確認した。一方、電線等のように不定形な物体に対しては、回路基板上の接続関係を単純な物体検出技術で特定することが困難であるため、強化学習等を用いた接続関係の特定を行う手法について開発を行い、一定の成果を得た。
|
