製造業が変わりうる「検出・検査」AI技術【今週の5本】2020年5月4週版

   

このコーナーでは、製造業向けAIの最新研究をお届けしていきます。サクッと業界のトレンドにキャッチアップしましょう!今回のトピックスは以下の5つです!

今週のラインナップ
1. 「鏡面欠陥」検出
2. 「合金の破壊断面」の調査
3. 「鋼板の周期的な欠陥」の検出
4. 「鍛造部品」の自動品質検査のための3D検出
5. 「電力線」検査システム

バックナンバーはこちら

「鏡面欠陥」検出

鏡面反射特性をもつ不規則な表面の欠陥の検出は、衛生機器の製造プロセスにおける重要な部分です。現在、ほとんどの不規則な表面の欠陥検出アルゴリズムは、手作業による浅い特徴の抽出に依存しており、これらの欠陥を認識する能力は限られています。

中国の研究チームは、検出精度を向上させるために、改良されたFaster R-CNNモデルを提案しました。欠陥の形状や大きさの多様性を考慮し、真の値のサイズに応じてアンカーボックスのアスペクト比を生成するk-meansアルゴリズムを選択し、特徴行列を異なる受容野で融合させてモデルの検出性能を向上させました。

実験の結果、収集したセラミックのデータセットに対して、改良したモデルの認識精度は94.6%と示されました。SVM(Support Vector Machine)や他のディープラーニングベースのモデルと比較して、提案されたモデルはより優れた検出性能と明かりに対するロバスト性を有しており、実用性と有効性が証明されました。

元論文:Detection of Micro-Defects on Irregular Reflective Surfaces Based on Improved Faster R-CNN

関連記事▶︎ 材料の欠陥を見抜くコンパクトなAIモデルの作り方(AI×材料)【論文】

「合金の破壊断面」の調査

金属の破壊断面画像の研究は、金属試料の物理的および機械的特性に関する貴重な情報を得て、その破壊の原因を特定し、その特性を最適化するモデルを開発するための重要な方法です。この場合の主要な研究の一つは、その破壊の過程で金属表面に形成される粘性剥離の凹みの特性を研究することです。

ウクライナの研究チームは、破壊断面画像上の粘性剥離の凹みを検出するために、畳み込みニューラルネットワークCNN)を用いた手法を提案しました。

構造の異なる17のCNNのモデルを調査し、精度と速度の観点から最適な変数を選択しました。提案したネットワークは、画像の画素を”凹み “と “エッジ “の2つのカテゴリに分類しました。ニューラルネットワークの出力における確率的な結果から、明確な分類方法を提案しました。

CNNを用いてから得られた結果と従来のアルゴリズムから得られた結果を比較しました。これらの結果は非常に似ている(類似度は90%以上)が、ニューラルネットワークは従来の手法よりも必要な特徴をより正確に明らかにしていることが分かりました。

元論文:Investigation of the Rupture Surface of the Titanium Alloy Using Convolutional Neural Networks

関連記事▶︎ 鋳造合金の機械的特性の推定とその有効性をパターン認識(イタリア)【AI論文】

「鋼板の周期的な欠陥」の検出

熱延鋼板は、船舶、橋梁、機械、建築、自動車製造などのエンジニアリング分野で広く使用されています。熱延鋼板の製造工程で工作機械の損傷によって生じるロール傷のような周期的な欠陥の形態的特徴は一定ではありません。従来のCNNでは、形態学的特徴を抽出して分類するため、このような欠陥は誤分類されやすく、検出率が高くないという問題がありました。

中国の研究チームは、ロールマークのような周期的な欠陥の時系列性に応じて、畳み込みニューラルネットワークCNN)と長・短期記憶(LSTM)を用いた周期的欠陥検出法を提案しました。

まず、CNNネットワークを介して欠陥画像の特徴を抽出し、抽出した特徴ベクトルをLSTMネットワークに入力して欠陥認識を行います。

改良された手法では、前の瞬間ごとに入力された情報の重要度を判別し、その重要度に応じた定量的な重みを与えるようにしました。実験の結果、改良前に81.9%であった精度は、改良後の検出率は86.2%に向上しました。

元論文:Periodic Surface Defect Detection in Steel Plates Based on Deep Learning

関連記事▶︎ ディープラーニングで合金鋼を腐食から守る(中国)【AI論文】集部で付け足します

「鍛造部品」の自動品質検査のための3D検出

大型熱間鍛造部品の三次元幾何学的評価をオンラインで行うことは、品質管理と省エネルギーの観点から有益です。しかし、このオンライン3D測定タスクは、膨大な放熱量とオンライン環境の複雑さのため、市販の3Dセンサでは非常に困難です。

中国の研究チームは、フリンジ投影ベースの3Dスキャナと産業用ロボットを統合した、自動で正確に3D形状を測定するシステムを提案しました。

熱放射に対抗するために、二重フィルタセットとインテリジェント温度制御ループがシステムに採用されています。また、複雑なオンライン環境でのデータアラインメントを行うために、ロボットの動きの再現性に基づいて、異なるビューからの3Dデータを並べるビュー統合手法をシステムに採用しています。

これらの要素とアルゴリズムを実験で評価しました。結果、本システムを鍛造工場の生産ラインに導入し、熱軸のオンライン3次元品質検査を安定して実施できることが示されました。

元論文:A Robot-Driven 3D Shape Measurement System for Automatic Quality Inspection of Thermal Objects on a Forging Production Line

関連記事▶︎ 自動車製造自動化へ向けて。鍵となる画像認識による溶接品質の評価【AI論文】

「電力線」検査システム

絶縁体、カットアウトスイッチ、避雷器などの電力線機器は、安全で途切れない電力供給を確保するために重要な役割を果たしています。しかし、これらの機器が過酷な環境条件にさらされ続けると、物理的または電気的な欠陥が発生し、電気システムの故障につながる可能性があります。

韓国の研究チームは、自動的にリアルタイムで電気機器検出・欠陥解析をするシステムを提案しました。

このシステムでは、従来の手作業による特徴量ベースのアプローチとは異なり、畳み込みニューラルネットワークCNN)ベースの機器検出フレームワークを利用することで、17種類の電力線絶縁体の検出を可能としました。

提案システムにおいて、リアルタイム機器検出は92%の精度を、精度欠陥解析システムは98%の精度を示しました。この結果から、提案システムが電力線設備の自動検査において最先端の性能を実現していることが示されました。

元論文:Robust Powerline Equipment Inspection System Based on a Convolutional Neural Network

関連記事▶︎ 「AIの目」が送電線の事故を防ぐ!(AI×都市)【論文】部で付け足します

詳しい解説や更なるリサーチ

以上で紹介した最新の研究をはじめとした網羅的な製造業向けリサーチ・データベースを利用されたい方がいらっしゃいましたら、法人・個人問わず、以下のアドレスからお問い合わせくださいね!

customer-support@parks-inc.com

今週の5本・製造AI編バックナンバーはこちら

業界から探す

さらに学ぼう!

PAGE TOP