アイシンAW、「AIで異常品を検出する技術(しかも少ないデータから)」で特許出願

   

関連記事:異常検知専用の画像認識アルゴリズム「DAGAN」を開発!(AI×製造)【論文】

オートエンコーダで異常品を検出!

アイシン・エィ・ダブリュ株式会社は機械学習を用いて物品の異常品の判定を行うことができる方法を発明しました。

↓はてなブックマークで応援お願いします!
このエントリーをはてなブックマークに追加

背景

今まで、正常品と異常品が混在するデータをニューラルネットワークに入力し、学習によって正常品の特徴ベクトルを得ようとする場合、異常品の数が正常品よりも極めて少ない場合には学習を効果的に行うことができず、結果として異常品の判定精度が低くなる場合がありました。

例えば、主に画像認識分野で用いられるCNN(畳み込みニューラルネットワーク)は、学習のために大量の訓練サンプルを用いた教師あり学習が必要です。しかし、異常品のサンプル数を十分に確保できないときは、学習をうまく行うことができません。

そこでアイシン・エィ・ダブリュ株式会社は、大量の正常データのみ、もしくは大量の正常データとごく少数の異常データを用いて機械学習を行った場合でも、異常品の判定を精度高く行うことのできる異常品判定方法を発明しました。

テクノロジー

このシステムは、オートエンコーダ(自己符号化器)と呼ばれる特徴量の抽出方法を用いており、エンコーダとディスクリミネータのネットワークを用いて敵対的学習を行うことで、正常品であるときの特徴を数値化し、正常品と異常品とが混在する判定対象物の集合体から、異常品を精度高く判定して抽出することが可能となります。

オートエンコーダ(自己符号化器) : 入力と出力とが同じになるように学習させるニューラルネットワーク。エンコーダで入力を少ない次元の特徴に一旦落とし込み、デコーダで入力を再現するように出力することを繰り返すなかで、入力をよく表す特徴量が抽出される。

000002
異常品判定方法のフローチャート (図はJ-Plat-Pat 特開2020-173496 より引用)

注目ポイント

このシステムによって、教師データが少ない場合でも機械学習を導入することができるようになります。異常データが少ない場合にはCG画像を用いてデータセットを作る場合もあるようで、どちらのほうが精度が高くなるのか気になるところです。

特許の詳細:異常品判定方法

出願元:アイシン・エィ・ダブリュ株式会社  公開日:2020年10月22日

特許の紹介記事バックナンバー

NEC、「試験をAIで自動採点するシステム」で特許取得!

特許「ドローンで自動授粉を行うAI技術」が特許取得(未来科学研究所)

特許「顧客クレームを基にAIで問題を発見・解決するシステム」出願が公開(米)

業界ごとに記事を読む

PAGE TOP
0
Would love your thoughts, please comment.x
()
x