教師なしで高精度に複雑な画像をグループ化する画像分類AIを開発――外観検査での不良検知の分析時間短縮に貢献 東芝

  • このエントリーをはてなブックマークに追加

東芝は2021年4月28日、製造現場での外観検査による不良検知向けに、教師なし(分類基準のラベルづけ作業なし)で高精度に画像をグループ化する画像分類AIを開発したと発表した。独自の深層学習技術により、世界トップレベルの分類精度で製造現場の外観検査等で類似した画像を自動分類できるという。

製造現場での外観検査では、分類基準を学習するための人手による作業が不要で、導入/運用コストが低い教師なし学習による分析が期待されているが、これまでの教師なし学習はAI(人工知能)が不良や欠陥の特徴を十分に学習できず、分類精度が低下する課題があった。特に外観検査の画像では、大部分を着目したい不良や欠陥以外の背景領域が占めており、本来着目したい不良や欠陥の分類精度が低下する問題があったという。

そこで同社は、教師なしで、画像の背景にとらわれずに画像の特徴を学習し、高精度に画像を分類するAI技術を開発した。独自の深層学習方法により、分類に有効な特徴を画像に含まれる多くの特徴から抽出し、不要な特徴の影響を受けない高精度な分類ができるという。

まず、人手による分類基準のラベルではなく、1枚の画像を1つの分類基準とする疑似的な教師あり学習を実施。多くの画像に表れる背景のような部分ではなく、一部の画像に表れる不良や欠陥に着目して特徴を抽出する。さらに、抽出する特徴が重複しない独自の学習基準を設定。画像に含まれる多くの特徴から類似した不良や欠陥をグループ化するために有効な特徴量(特徴を数値化したもの)を作成する。

このAIを使用して世界共通の一般画像の公開データを分類した結果、これまで71.0%だった分類精度が95.4%に改善。世界トップレベルの性能を達成した。背景が全く異なる画像を同一グループに分類できる。この技術を用いることで、製造現場で撮影される背景に検査対象以外の物が映りこんでいるような複雑な外観画像でも、製品の不良や欠陥を教師なしで高精度に分類できるという。

IDFDによる分類結果の例(様々な背景の猫の画像を同一グルーブに分類)

今後、製造現場での様々な検査工程、製品にこのAIを適用し、性能実証を実施する。また、東芝デジタルソリューションズの製造業向けソリューション「Meisterシリーズ」への展開を進めていく。

関連リンク

プレスリリース

関連記事

アーカイブ

fabcross
meitec
next
メルマガ登録
ページ上部へ戻る