SERVICE

良品学習による AI 外観検査と判断根拠の可視化

目的
外観検査にかかる人手コストを削減したいが、外観検査モデル構築用に不良品画像を収集、アノテーションする期間も人手もない。 熟練者以外でもわかるよう、不良箇所(判断根拠)を可視化したい。
結果
数百枚の正常画像を活用し不良画像を異常検知する良品学習アルゴリズムを開発。 モデルの注目箇所を可視化する技術(XAI)を用いて、不良箇所をヒートマップで可視化。

良品画像のみの学習による不良品検査

製品の外観に不良がないかを目視検査する人的工数を減らしたい、 熟練者しか不良の判別ができずスキル継承ができていない、システムを導入しても良品を不良品と判断してしまい人間の目による再検査が大量に発生してしまうなど、外観不良検査には多くの課題があります。
また、AIで外観不良検知を行う場合には通常は不良データが必要となりますが、複数種類の不良それぞれについて画像を大量に集めるのは時間がかかります。1種類のみとしても、不良品はほとんど出ないというケースも多く、不良データを収集するのは非常に困難です。さらには、新しい種類の不良を識別するには再学習を必ず行わなければならず、通常はその都度不良データを収集する必要があります。

ALBERTの外観不良検知では、不良データがない場合にも、良品データ(正常時の画像)を数百枚学習することで正常ではないと判断された画像(不良)を検知する良品学習による外観不良検知アルゴリズムを構築します。良品データさえあれば、不良品を判定可能で、アノテーション(ラベル付け)作業も不要です。また、学習した不良だけでなく想定外の異常を検知することも可能となります。


ALBERTの経験豊富なデータサイエンティストが、データが十分にない場合のデータ拡張(学習データを増幅させる技術。画像の平行移動・回転・上下左右反転などを行いモデルの汎用性を向上させます)や検知性能に大きな影響を与えるハイパーパラメータ設定を行い、独自にチューニングしたアルゴリズムを使用することで、数十枚しか学習データがない場合にも正答率85%以上の精度で不良を識別しております。

XAI (Explainable AI)技術による不良箇所を可視化

人による外観検査は、経験豊富な熟練者にしか検出できないようなものを検出できる一方、属人的であることが課題です。また、熟練技術者の目をAIモデル化することができても、検出された不良を熟練技術者しか正解かどうかわからないという問題があります。AIがどこに注目して不良と判断したのか、注目箇所の可視化技術を用いることで、不良箇所を特定しやすくしました。AIを活用する上で、モデルの解釈性(ブラックボックスの解消)向上を目指し、予測結果に至るプロセスを人間によって説明可能にするAI、その技術をXAI(Explainable AI:説明可能なAI)と呼びます。

◼AIの注目箇所を可視化する手法
・Grad-CAM
Grad-CAMは、CNN(Convolutional Neural Network)ベースのモデルの出力に寄与した箇所を、特徴マップの出力を元に可視化する手法です。対象の出力の値を用いて逆伝播を行うことで、特徴マップごとに重要さ(重み)を勾配により決定し、その重みを特徴マップにかけて足し合わせることでヒートマップを作成します。一般に精度と解釈性はトレードオフですが、本手法はネットワークの構造を変えることなく可視化を行うことができます。物体検出、セマンティックセグメンテーションのような分類が必要となる幅広いタスクで用いることができます。

犬を判断する場合

猫を判断する場合

画像引用元:https://arxiv.org/abs/1610.02391

・Grad-CAM++
Grad-CAMの改良手法です。 Grad-CAM++は各チャンネルの各サブピクセルに対して重みを計算していますが(Grad-CAMと同じ)、各チャンネルの各サブピクセルの重みを足し合わせると対象とするクラスのスコアとなるように解析的に求めます。

・Score-CAM
勾配での表現は、入力層のわずかな小さな変化に対しても、過剰に大きな値を返してしまう問題があります。 そこでScore-CAMはGrad-CAM、Grad-CAM++とは違い、勾配を使わないで特徴量ヒートマップを作成する方法で表示しています。

画像引用元:https://arxiv.org/abs/1910.01279

ALBERTには、他にもAI活用事例が多数ございます。
画像データを用いた外観検査や物体検出、異常検知に関するご相談やAI導入・分析のお悩みはぜひご相談ください。

お問い合わせ

ALBERTは、あらゆるデータに高度な分析力で挑み、独自のソリューションでビジネス課題の最適解を導きます。
詳しくは、下記までお問い合わせください。