AI・画像認識サービス

業界別 画像認識で解決できる課題
AI・画像認識技術は、製造・流通・小売・金融・建設・インフラ・医療など様々な業界で活用でき、異常検知や 外観検査、物体検出など、多種多様なビジネス課題を解決できます。

画像認識技術活用における背景

「ニューノーマル」「アフターコロナ」時代において、多くの企業が接触機会の削減や人手不足の課題を抱えています。業務効率化・生産性向上を目的として、目視検査の自動化や判断基準の標準化・平準化、スキルや匠の技の継承のニーズが高まっています。

抱える課題

  • 接触機会削減のため
    人手削減の必要

  • 人が定着せず
    判断基準がバラバラに

  • スキル保有者や熟練者の
    高齢化・退職

高まるニーズ

  • 目視検査等の自動化による
    接触機会と人件費の削減

  • 判断基準の
    標準化・平準化

  • スキルや
    匠の技の継承

人間や匠の目に代わるAI・画像認識
技術への注目が高まっている

AI・画像認識技術活用業界別 解決できる課題

画像認識技術はあらゆる業界のさまざまなシーンで活用可能です。ここでは、AI・画像認識技術を活用して解決できる課題を業界別にご紹介します。

製造

多種多様な分野がある製造業において、多くの領域で、AI・画像認識技術が活用されています。

  • AIが活用されている製造業の分野

    • 食品、飲料
    • 医薬品、化粧品
    • 石油、石炭、プラスチック、ゴム、コンクリート、金属製品
    • 鉄鋼、非鉄金属
    • 生産用機械、業務用機械、電気機械、情報通信機械、輸送用機械
    • 電子部品  など
  • AIが活用されている領域

    • 異常検知
    • 検品・品質検査・外観検査・内観検査
    • 設備診断・予知保全・故障予兆診断

例えば、不良品になりえる問題点(破損・摩耗・劣化・疲労・腐食・外れ・ゆるみ・剥がれ・変形・硬化・断線・異物など)について、人間や匠の目による判断のAIへの代替や、過検出・誤検知の改善・抑制が実現可能です。

外観検査

不良データがない場合にも、正常時の画像データを数百枚学習し、正常ではないと判断された画像に対して「不良」と判定する外観不良検知アルゴリズムを構築。これにより、人の目による再検査が大量に発生する従来の外観検査装置とは異なり、人の目による判断に近いアルゴリズムを用いて再検査を減らすことで、人手不足を解消できます。また、注目箇所の可視化により画像内のどこを重視して判断したのかを確認できるため、判断のブラックボックス化を回避可能です。

外観検査

洗浄状態の確認

使用して汚れた道具の洗浄状態の確認について、従来目視で行っていたが、画像データを用いて自動で判定するアルゴリズムを構築。これにより、人的作業のコストの削減および診断結果の標準化を実現。

洗浄状態の確認

車両識別・構造物識別

車載カメラの動画データを用いて障害物、走行車、歩行者等を自動的に識別するアルゴリズムを構築。これにより、レーンごとの車両有無を特定し、自車が走行しているレーンの特定が可能。また、従来の画像認識手法をディープラーニングに置き換えることにより、道路上の白線や縁石などの識別困難な画像の識別精度向上を実現。

車両識別・構造物識別

深度推定(距離推定)

単眼の車載カメラ映像を用いて距離の推定を行い、複眼カメラ同様の精度を実現。学習の際は複眼で撮影した動画を使用して深度推定アルゴリズムを構築しており、実運用時には、単眼で撮影した映像を用いた推定が可能です。また、車・人・信号・標識などの物体を認識するアルゴリズムと組み合わせることで、認識した物体までの距離も推定可能です。小型の単眼カメラで実現可能のため、コストダウンと省スペース化に繋がります。

深度推定(距離推定)

流通・小売

流通・小売業界においても幅広い分野でAI・画像認識技術が活用されています。

  • 流通

    • 倉庫内の入庫作業効率化や配送車両最適化等
  • 小売

    • 店舗内の動線分析や混雑予測、無人化等
  • EC

    • ユーザーの行動分析、製品・商品へのタグ付け等

製品タグ付け

従来、膨大な商品データを手動でカテゴリに分類し、それに関連する検索用のタグを付与する作業について、自動で分類しタグを付与するアルゴリズムを構築。これにより、人的作業の効率化やコスト削減、誤ったタグが付与されるヒューマンエラーの解消を実現。

製品タグ付け

金融

金融業界においても主に業務効率化を目的としてAI・画像認識技術が活用されています。

  • 銀行業

    • OCR(文字認識)を用いた紙帳票のデータ化等
  • 保険業

    • 損害調査の自動化等

文字認識

スキャナーから読み込んだ文書の画像データのレイアウト解析を行い、項目ごとの文字列(活字)を認識して返すアルゴリズムを構築。画像を補正するアルゴリズムを活用して透かし模様等のノイズに頑健なアルゴリズムを構築することで、OCR(光学的文字認識)では精度が出ないような画像に対しても文字認識精度を向上でき、99%以上の正答率で識別に成功。これにより、これまで人の手で行っていた入力作業を自動化し、コストやミスを削減。

文字認識

建設・インフラ

国土交通省では、建設・インフラ業界の人材不足やインフラの老朽化等の課題への対応として
「i-Construction」を推進しており、AI研究開発の促進に取り組んでいます。

  • 人の判断の効率化を目的としたAIの活用

    • 道路や橋、コンクリート等のひび割れの発見
    • 建物の外壁や鉄塔の劣化の発見
    • 図面の検索や認識
    • 交通状況の確認
    • 電力や水の消費量の調整
  • セキュリティ強化を目的としたAIの活用

    • サイバー攻撃の監視
    • カメラやセンサーを用いた侵入者検知

外壁劣化度診断

従来、作業員の主観や経験値で判断していた建造物の外壁劣化度診断について、画像データを用いて自動で判定するアルゴリズムを構築。学習データと検証データを活用し画像データを劣化度ごとに分類することで、学習データとの正誤率等を確認し、精度を評価。これにより、人的作業のコストの削減および診断結果の標準化を実現。

外壁劣化度診断

侵入者検知・監視

立ち入り禁止エリアにカメラを設置し、カメラ映像を用いて侵入者を検知するアルゴリズムを構築。24時間365日の対応を実現することで監視員の対応コストを削減し、犯罪を未然に防止できます。

侵入者検知・監視

医療

医療業界は人の命に関わる判断が常に求められるため、責任の所在が不明瞭なAIの活用は難しいとされていますが、医師の業務をAIに代替するのではなく、AIが補助役として機能し、医師がAIの判断も活用しながら最終的な判断を行う、いわゆる人間とAIの共存が検討され始めています。

  • AIが活用されている領域

    • CTやMRI、レントゲン等の画像診断(問診や病歴等の情報も加味した総合的な診断は医師が実施)

皮膚病判定

スマートフォン等のカメラで撮影した動物の皮膚の画像に対し、診断候補となる皮膚病名を確率的に判定する仕組みを構築。同じ病名ごと・同じ個体ごとでそれぞれ学習することで判定精度が向上。これにより、医師の診察業務の効率化や、飼い主が撮影した患畜の画像を獣医師に送信して判断を仰ぐなどの遠隔対応を実現。

皮膚病判定

細胞の分類自動化

従来では専門家が手動で行っていた細胞の分類について、アルゴリズムを構築し自動で判別。また、細胞名ラベルを付与したデータを用いて学習させ、分類正解率を確認してアルゴリズムをチュー二ング。新たな画像を追加することで自動的に再学習し精度を向上させるシステムを開発し、作業効率の向上を実現。

細胞の分類自動化

株式会社ALBERTでは、画像認識以外のAIアルゴリズム構築・
システム開発についても数百のプロジェクト実施経験がございます。

ALBERTができることのご紹介はこちら   >

AI・画像認識技術活用
市場動向

内閣府の統合イノベーション戦略推進会議では、AIの社会実装を推進するための「AI戦略2019」が策定され、「信頼される高品質なAI」の開発の重要性等が打ち出されています。また、人間中心のAI社会原則検討会議では、AIを有効かつ安全に利用できる社会を構築する「AI-Readyな社会」への変革を推進する必要性が示されており、いまや、AIを誰もが使えるようにする「AIの民主化」の実現は急務と言えます。

その中でもディープラーニングは機械学習の分野で近年注目を集めている手法で、ビジネスへの活用における成功事例が増えていますが、一方で結果の説明性や納得性に関する指摘はいまだ多くあり、AIの説明可能性(XAI)とAIの品質保証(QAI)が重要視され始めています。「AIによる判断はブラックボックスのため自社では活用できない」とお考えの方も多いのではないでしょうか。 また、AIの活用を検討してはいても、「AI構築の知見が無い」「Python等のコードを書ける人がいない」という声も多く聞かれることも実態と言えます。

タクミノメ

がお応えします

「AIによる判断はブラックボックスのため自社では活用できない」の声に

「タクミノメ」では、AIが画像中のどの部分を見て識別しているのかを可視化する「注視領域の可視化」が可能です。これにより、従来ブラックボックスと言われていたディープラーニングの識別基準を直感的に把握することができます。

実ビジネスにおけるAI活用の際も、例えばAIが不良と判断した画像のうちどこに不良箇所があると判断しているのか、根拠を確認することが可能です。

「AI構築の知見が無い」「Python等のコードを書ける人がいない」 の声に

「タクミノメ」は自社で画像認識AI構築を実施したいお客様向けに、機械学習エンジニアがいなくても、ノーコード・ノンプログラミングで画像認識AIを構築できる環境をご提供しています。

ツールは直感的なグラフィカルインターフェース(GUI)により、コードを書ける方がいない場合でも自社でAIを構築いただけます。

全ての工程のご支援が可能です。

「タクミノメ」は、企業様の画像データを使用し学習することでAIを構築する過程において、全ての工程のご支援が可能です。

メインとなる「AIアルゴリズム構築」は大きくわけて2形態でご提供しており、
企業様の課題に応じてご利用いただけます。

  • 1 画像認識AI構築ツール
    提供サービス

    直感的なGUIで簡単に学習を実施できる画像認識AI構築ツールで、AI構築の内製化をご支援。

  • 2 画像認識AI構築
    受託サービス

    課題整理・AI構築・システム開発・運用まで、データサイエンティストがワンストップでご支援。PoC(概念実証)フェーズのみをご希望の場合には約1ヶ月での実施が可能。

また、「撮像」や「画像生成」、画像へのタグ・ラベル(情報)付与を行う「アノテーション」についてもサポート・作業実施を承ります。さらに、AIアルゴリズム構築後には「システム化」の実施も可能です。

AI化したいけれど、何から始めていいか理解できていない・画像処理の方法がわからない・画像の量が足りていない・知識がなくAIの精度が本当に向上するのか不安…などとお悩みの方も、 まずはじめに、AI化の実現可否を判断する「簡易コンサルティング」を無料で承りますので、お気軽にお問い合わせください。