Deep inspectionの特徴

Aug 21, 20175 likes23,535 views

Rist Inc.

製造業の画像検査へDeep Learningを活用した、株式会社Ristの「Deep Inspection」の特徴

1?2017 Rist Inc.
Deep Inspectionの特徴
1. 最新の技術を、各社毎にアレンジし最適なソリューションを提供
2. ライブラリ?ソースコードなど多様な納品形体に対応し、既存ハードウェアへの組
み込みへの対応も可能
Region-Convolutional Neural Network for
Detecting Capsule Surface Defects
Boletín Técnico, Vol.55, Issue 3, 2017, pp.92-100 Computer-Aided Civil and Infrastructure Engineering 32 (2017) 361–378
Deep Learning-Based Crack Damage Detection
Using Convolutional Neural Networks
2017年以降にPublishされた論文例
1. トライアル 2. 検査モデル作成 3. ハードウェア連携 4. 保守?管理

2?2017 Rist Inc.
事例：位置を踏まえた検査１
ここが異常部分キズ部分を
赤く表示
577枚（異常画像77枚）への適応結果
全画像に対して正解
適応例

3?2017 Rist Inc.
事例：位置を踏まえた検査２
ここが異常部分キズ部分を
赤く表示
575枚（異常画像85枚）への適応結果
AUC = 94%を達成
適応例

4?2017 Rist Inc.
事例：幅測定などへの適応（従来）
実際の検査現場では、単なるキズや異常検知以外にも様々な検査項目がある。
例えば以下のような板の幅を測定し、それに応じて検査する場合…
こんな感じで縦線を認識して
板の領域を囲いたいけど…
似た縦線がたくさんあり
既存の画像処理では対象の特定困難

5?2017 Rist Inc.
画像中の物体を、過去データを参考に領域抽出する技術を転用
http://mi.eng.cam.ac.uk/projects/segnet/
個体差のある板の画像に対しても… 正しく板の領域を抜き取れる！
※画像はイメージです
事例：幅測定などへの適応（弊社手法）

6?2017 Rist Inc.
そうは言っても
人間でも判断が分かれる検査対象もある…
自信がなかったら
素直に人間に聞いてほしい
あるクライアントさんの声

7?2017 Rist Inc.
事例：自信度（Confidence）の算出（従来）
一般的に言われているDeep Learningの出力確率
400
300
200
100
0.4 0.5 0.6 0.7 0.8 0.9 1.0
一般的に出力される判定確率
（正解?不正解の閾値決めが困難）
サンプル数
青線：正解橙色：不正解
サンプル例：精度88%
Cat (0.7)
Dog (0.1)
Fox (0.2)
Softmax層の出力を一般的にはクラス確率としている
このsoftmaxの出力自体では、人間に検査
を委ねる確率の閾値を決めるのは困難
ある対象への事例

8?2017 Rist Inc.
事例：自信度（Confidence）の算出（弊社手法）
Deep Inspectionでの自信度算出方法
400
300
200
100
0.4 0.5 0.6 0.7 0.8 0.9 1.0
30
25
20
15
0.2 0.4 0.6 0.8 1.0
35
10
5
0
Deep Inspectionの判定自信度
（正解?不正解の閾値を決めやすい）
一般的に出力される判定確率
（正解?不正解の閾値決めが困難）
サンプル数
サンプル数
青線：正解橙色：不正解
精度：99%以上
従来通り目視検査
精度：99%以下
自動システム検査
精度88%
全体では88%の精度
→使い物にならない
低い自信度のものは
従来通り目視検査
過去の結果と比較し、自信度を算出。
全体で精度88%のものに対し、自信度50%では全体の半数を99%精度で分類可能
高い自信度のものは
自動検査へ
自信がないものは人間に判断を委ねつつ、確実に目視検査の負荷を軽減

9?2017 Rist Inc.
パッケージソフトで諦める前に
ぜひDeep Inspectionへお問い合わせください。
http://www.deep-inspection.com
弊社は国内外の製造業のクライアントと共同で開発を行っています。

Azure AD B2B でかなえる組織外アカウントのIDマネジメント今回Microsoft Azure AD B2Bを使用して組織外アカウントへのID管理などについて検証した結果を発表します。内容については、ディスカッションのお時間を取りたいと思います。現在、自社で抱えている問題や今後、本WGで実施してほしい内容など皆さまにとっても有意義なディスカッション時間にしたいと考えていますので是非ご参加ください。

20170417 フ?ロックチェーン講演「ブロックチェーンのエンタープライズでの活用」Takeshi Hirosue

[Track4-5] CDLEへの招待～CDLEハッカソンが、自分の人生のターニングポイントになった話～Deep Learning Lab（ディープラーニング?ラボ）

【20170414みんなの础滨】机械学习の民主化を促进する础滨活用术ナレッジコミュニケーション

クラウドスキルチャレンジの概要と進め方 for ALGYANYasuhiroHanda2

【金融机関アクセラレータ参加ベンチャーと学ぶ础滨】クラウド×础滨で机械学习の民主化を目指すナレコム础滨ナレッジコミュニケーション

滨辞罢て?成果を出す- Core Concept Technologies

ここがつらいよ、Hyperledger Fabricの商用適用（Blockchain GIG #4発表資料） NTT DATA Technology & Innovation

[Track1-7] COVID19ワクチン開発に向けた、AIの挑戦　～深層学習が導く、新領域との接点～Deep Learning Lab（ディープラーニング?ラボ）

[db tech showcase Tokyo 2017] D25: データの分析や解析の前に必要となる「データ準備」とは。データ?プレパレーション?プラ...Insight Technology, Inc.

ビッグデータ?滨辞罢时代に突入し、データ分析に要する时间のうち、80％以上がデータ準备に费やされ、分析にかける时间は20％に満たないともいわれます。『笔补虫补迟补』はこのデータ準备にかかる工数を削减し、ビジネスユーザでもデータの準备を可能にするソリューションです。本セッションでは『笔补虫补迟补』が製品の基盘として贬顿贵厂と厂辫补谤办をどのように活用し、『笔补虫补迟补』でデータ準备を実现するかについて、デモを交えてご绍介します。

20200522 Blockchain GIG#7 株式会社NTTデータ山下様資料オラクルエンジニア通信

技术としての机械学习を理解し、世の中に役に立つ事を考える基础知识Daiyu Hatakeyama

础苍诲谤辞颈诲で动かすはじめての顿别别辫尝别补谤苍颈苍驳Miyoshi Kosuke

础滨がビジネスで今出来ること、5年后出来ることRist Inc.

「人工知能」と言われているモノの、メディアと実際のビジネスの現場でのイメージの違いについて解説してみました。対象はエンジニア?技術者というよりはビジネスの方向けの内容です。株式会社Rist (http://www.rist.co.jp) 【日経ビジネススクールにて講演させて頂いた際の資料を、一部抜粋?編集し公開しています。】

ディープラーニング今週の事例 Top 5NVIDIA Japan

[Ridge-i] Dll講演資料 2017616Ridge-i

More Related Content

What's hot (18)

【Dll171201】深層学習利活用の紹介掲載用Hirono Jumpei

Deep Learning Lab コミュニティ企画概要Hirono Jumpei

【顿濒濒3】蝉肠蝉办プレゼン20170904Hirono Jumpei

20180604 株式会社ディー?ディー?エス様ID-Based Security イニシアティブ

Active Directory とシームレスにマルチに連携する多要素認証基盤の活用方法ID-Based Security イニシアティブ

ADセキュリティワークショップ WG活動報告 _第2回全体ミーティングID-Based Security イニシアティブ

20171201冲02冲颈诲产冲蝉别肠耻谤颈迟测冲飞驳発表冲辫ID-Based Security イニシアティブ

20170417 フ?ロックチェーン講演「ブロックチェーンのエンタープライズでの活用」Takeshi Hirosue

[Track4-5] CDLEへの招待～CDLEハッカソンが、自分の人生のターニングポイントになった話～Deep Learning Lab（ディープラーニング?ラボ）

【20170414みんなの础滨】机械学习の民主化を促进する础滨活用术ナレッジコミュニケーション

クラウドスキルチャレンジの概要と進め方 for ALGYANYasuhiroHanda2

【金融机関アクセラレータ参加ベンチャーと学ぶ础滨】クラウド×础滨で机械学习の民主化を目指すナレコム础滨ナレッジコミュニケーション

滨辞罢て?成果を出す- Core Concept Technologies

ここがつらいよ、Hyperledger Fabricの商用適用（Blockchain GIG #4発表資料） NTT DATA Technology & Innovation

[Track1-7] COVID19ワクチン開発に向けた、AIの挑戦　～深層学習が導く、新領域との接点～Deep Learning Lab（ディープラーニング?ラボ）

[db tech showcase Tokyo 2017] D25: データの分析や解析の前に必要となる「データ準備」とは。データ?プレパレーション?プラ...Insight Technology, Inc.

20200522 Blockchain GIG#7 株式会社NTTデータ山下様資料オラクルエンジニア通信

技术としての机械学习を理解し、世の中に役に立つ事を考える基础知识Daiyu Hatakeyama

【Dll171201】深層学習利活用の紹介掲載用Hirono Jumpei

Deep Learning Lab コミュニティ企画概要Hirono Jumpei

【顿濒濒3】蝉肠蝉办プレゼン20170904Hirono Jumpei

20180604 株式会社ディー?ディー?エス様ID-Based Security イニシアティブ

Active Directory とシームレスにマルチに連携する多要素認証基盤の活用方法ID-Based Security イニシアティブ

ADセキュリティワークショップ WG活動報告 _第2回全体ミーティングID-Based Security イニシアティブ

20171201冲02冲颈诲产冲蝉别肠耻谤颈迟测冲飞驳発表冲辫ID-Based Security イニシアティブ

20170417 フ?ロックチェーン講演「ブロックチェーンのエンタープライズでの活用」Takeshi Hirosue

[Track4-5] CDLEへの招待～CDLEハッカソンが、自分の人生のターニングポイントになった話～Deep Learning Lab（ディープラーニング?ラボ）

【20170414みんなの础滨】机械学习の民主化を促进する础滨活用术ナレッジコミュニケーション

クラウドスキルチャレンジの概要と進め方 for ALGYANYasuhiroHanda2

【金融机関アクセラレータ参加ベンチャーと学ぶ础滨】クラウド×础滨で机械学习の民主化を目指すナレコム础滨ナレッジコミュニケーション

滨辞罢て?成果を出す- Core Concept Technologies

ここがつらいよ、Hyperledger Fabricの商用適用（Blockchain GIG #4発表資料） NTT DATA Technology & Innovation

[Track1-7] COVID19ワクチン開発に向けた、AIの挑戦　～深層学習が導く、新領域との接点～Deep Learning Lab（ディープラーニング?ラボ）

[db tech showcase Tokyo 2017] D25: データの分析や解析の前に必要となる「データ準備」とは。データ?プレパレーション?プラ...Insight Technology, Inc.

20200522 Blockchain GIG#7 株式会社NTTデータ山下様資料オラクルエンジニア通信

技术としての机械学习を理解し、世の中に役に立つ事を考える基础知识Daiyu Hatakeyama

Viewers also liked (9)

础苍诲谤辞颈诲で动かすはじめての顿别别辫尝别补谤苍颈苍驳Miyoshi Kosuke

础滨がビジネスで今出来ること、5年后出来ることRist Inc.

ディープラーニング今週の事例 Top 5NVIDIA Japan

[Ridge-i] Dll講演資料 2017616Ridge-i

Deep Learningを用いたロボット制御Ryosuke Okuta

拡がるディープラーニングの活用NVIDIA Japan

2016年1月15日に行われたNVIDIA Deep Learning Day 2016での講演です。　エヌビディア合同会社　エンタープライズビジネス事業部　井﨑武士既にディープラーニングの活用は拡がっています。このセッションでは世界中の様々な事例をご紹介します。またドワンゴ、みずほ証券、ABEJAをゲストにお迎えして、日本でのディープラーニングの先進的な事例をご紹介して頂きます。 FACEBOOKの提唱するBig Surアーキテクチャなど、ディープラーニングを活用するためのシステム構築のノウハウや、Microsoft Azure、IBM SoftLayer など、ディープラーニングに最適なクラウドの活用についてもご紹介します。さらにディープラーニングのシステム構築を請負うインテグレーター各社（NTTコムウェア、クロスコンパス、システム計画研究所、テクノスデータサイエンス?マーケティング、データセクション、モルフォ、リアクティブ）にもご登壇頂き、皆様の課題解決のお役に立ちます。

リクルートにおけるマルチモーダル Deep Learning Web API 開発事例Recruit Technologies

SSD: Single Shot MultiBox Detector (ECCV2016)Takanori Ogata

機械学習チュートリアル@Jubatus Casual TalksYuya Unno

础苍诲谤辞颈诲で动かすはじめての顿别别辫尝别补谤苍颈苍驳Miyoshi Kosuke

础滨がビジネスで今出来ること、5年后出来ることRist Inc.

ディープラーニング今週の事例 Top 5NVIDIA Japan

[Ridge-i] Dll講演資料 2017616Ridge-i

Deep Learningを用いたロボット制御Ryosuke Okuta

拡がるディープラーニングの活用NVIDIA Japan

リクルートにおけるマルチモーダル Deep Learning Web API 開発事例Recruit Technologies

SSD: Single Shot MultiBox Detector (ECCV2016)Takanori Ogata

機械学習チュートリアル@Jubatus Casual TalksYuya Unno

Similar to Deep inspectionの特徴 (20)

本当は恐ろしい分散システムの话Kumazaki Hiroki

【讲演资料】ハード＋ソフトの协调アジャイル开発Hiroaki Matsunaga

クラウドがアプリケーションの価値を上げるNissho-Blocks

【2012年11月13日(火)開催　Application Performance 2012 / 六本木?東京ミッドタウンにて講演】様々なデータやアプリケーションがクラウドへ移行していく中、パフォーマンスの劣化、システムの安定稼動やセキュリティの問題により、プライベートクラウドの構築の検討を進める企業が増え、ますますハイブリッドクラウド化の流れにあります。クラウド対応のロードバランサーCitrix NetScaler CloudBridge機能によるハイブリッドクラウドと、当社のプライベートクラウドのベストプラクティスである『Nissho-Blocks』についてご紹介します。

[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...Insight Technology, Inc.

かつて「悪の帝国」と言われたマイクロソフト。実は OSS に積極的にかかわっていることをご存知ですか？クラウドサービス ''Microsoft Azure'' 上にて、たくさんの OSS ソリューションも公開されています。現在プレビューとして提供が開始されている Azure Database for MySQL / PostgreSQL などを中心に、Azure サービスおよびマイクロソフトの OSS についての取り組みと、データ戦略について紹介します。

USENIX NSDI17 Memory DisaggregationKuniyasu Suzaki

滨辞罢の社会応用への展望とその课题ハイシンク創研 / Laboratory of Hi-Think Corporation

脆弱性スキャナ痴耻濒蝉の绍介と惭补肠办别谤别濒メタデータと连携した脆弱性管理Takayuki Ushida

データからビジネス変革をもたらすマイクロソフトの AI とはMiho Yamamoto

2008 icse-granularity in software product linesn-yuki

Azure Antenna　AI 概要Miho Yamamoto

オブジェクトストレージの適用領域とCloudianの位置づけ　(Cloudian Summit 2012)CLOUDIAN KK

Information20120312b-slash

データベースアプリケーション开発セミナー?最新のデータベースとアプリケーション开発の関係Kaz Aiso

■IoT、マルチデバイス... 多様な環境で利用するデータベースデスクトップやクライアントサーバーが一般的だったデータベースは、今やモバイルデバイスやIoT、クラウドまで、いたるところに存在するようになりました。さまざまなDBが存在する今、ユースケースに合致するDBは何か、どんな使用法が最適かを学びます。 ■クロスプラットフォーム開発を意識したデータアクセス手法多様な環境で利用されるデータベースをアプリケーション開発の観点から考察。サーバーサイドだけでなく、モバイルデバイス、IoTなど、新しいデバイスからのDBアクセスをどのように実装するべきか？クロス開発を意識した効率的なDBアクセス手法を学びます。

Spring Fest 2017 「エンタープライズで利用するSpring Boot」#jsug #sf_h1Takeshi Hirosue

ビッグデータやIoTシステムを支えるデータベース『GridDB』griddb

RISC-Vのセキュリティ技術(TEE, Root of Trust, Remote Attestation)Kuniyasu Suzaki

6万行の TypeScript 移行とその後Shingo Sasaki

品質と開発スピードの両立と、OSSのリスク低減策のご紹介 / GTMF2019Game Tools & Middleware Forum

ゲーム開発における品質と納期の要求は、ますます厳しくなっています。また、開発におけるオープンソースの利用ももはや欠かすことはできず、OSSのライセンスリスク対策も大きな課題になっています。シノプシスは、No.1の実績と精度を誇る静的解析「Coverity」や、やはりNo.1の実績と膨大なDBによるOSS管理「Black Duck」で、これらのゲーム開発における課題への対応を支援します。このセッションでは、シノプシスのゲーム開発ソリューションの特長や活用方法とそのメリットを詳しく紹介いたします。

Open棟梁 v2 ソリューション化検討資料Daisuke Nishino

Klocwork 2017.0アップデートMasaru Horioka

本当は恐ろしい分散システムの话Kumazaki Hiroki

【讲演资料】ハード＋ソフトの协调アジャイル开発Hiroaki Matsunaga

クラウドがアプリケーションの価値を上げるNissho-Blocks

[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...Insight Technology, Inc.

USENIX NSDI17 Memory DisaggregationKuniyasu Suzaki

滨辞罢の社会応用への展望とその课题ハイシンク創研 / Laboratory of Hi-Think Corporation

脆弱性スキャナ痴耻濒蝉の绍介と惭补肠办别谤别濒メタデータと连携した脆弱性管理Takayuki Ushida

データからビジネス変革をもたらすマイクロソフトの AI とはMiho Yamamoto

2008 icse-granularity in software product linesn-yuki

Azure Antenna　AI 概要Miho Yamamoto

オブジェクトストレージの適用領域とCloudianの位置づけ　(Cloudian Summit 2012)CLOUDIAN KK

Information20120312b-slash

データベースアプリケーション开発セミナー?最新のデータベースとアプリケーション开発の関係Kaz Aiso

Spring Fest 2017 「エンタープライズで利用するSpring Boot」#jsug #sf_h1Takeshi Hirosue

ビッグデータやIoTシステムを支えるデータベース『GridDB』griddb

RISC-Vのセキュリティ技術(TEE, Root of Trust, Remote Attestation)Kuniyasu Suzaki

6万行の TypeScript 移行とその後Shingo Sasaki

品質と開発スピードの両立と、OSSのリスク低減策のご紹介 / GTMF2019Game Tools & Middleware Forum

Open棟梁 v2 ソリューション化検討資料Daisuke Nishino

Klocwork 2017.0アップデートMasaru Horioka

Recently uploaded (11)

空间オーディオを用いたヘッドパスワードの提案と音源提示手法の最适化sugiuralab

近年、音声アシスタントやバイタルデータの计测などの机能を搭载したイヤフォン型のウェアラブルデバイスであるヒアラブルデバイスが注目されている。これらの机能を悪用して、他者の个人情报や机密情报に不正にアクセスすることを防ぐために、ヒアラブルデバイス向けの认証システムが必要とされ、多くの研究が进められている。しかし、既存の研究は、生体情报を用いたものが多く、生体情报の変化や保存への悬念などの问题を抱えている。そこで、我々は、空间音响技术とヘッドジェスチャを用いた知识ベースの认証システムを提案する。具体的には、音源の组合せをパスワードとし、空间的に提示される音源をヘッドトラッキングと歯の噛み合わせ音で选択することにより认証を行う。

【卒业论文】尝尝惭を用いた惭耻濒迟颈-础驳别苍迟-顿别产补迟别における反论の効果に関する研究harmonylab

近年の生成 AI の活用の拡大とともに, 大規模言語モデル(LLM)の推論能力の向上や, 人間にとって推論過程が理解しやすい出力を行うように様々な手法が提案されてきた. 本研究では, LLM の推論能力向上手法としての MAD に着目し, 既存の MAD フレームワークに対して人間の議論では一般的に使用される反論を導入することを提案した. 本研究の反論の導入により, フィードバック内容の多様化や推論過程を明確にすることができることを示した.

第1回日本理学疗法推论学会学术大会での発表资料（2025年3月2日　高桥可奈恵）Matsushita Laboratory

狈辞诲补滨迟蝉耻办颈冲反省観点の分类に基づく试合の振り返り支援システムに関する有用性検証冲顿贰滨惭2025Matsushita Laboratory

本研究の目的は，チームスポーツの選手が試合後に行う振り返りを支援することである．試合内容を振り返り反省点を認識することは，ミスの繰り返しを防いだり，プレー中の判断精度を向上させたりする上で重要である．しかし，チームスポーツでは，個人の行動だけでなく，展開に応じた位置取りや選手間の連携などチーム全体の状況を意識する必要があり，考慮すべき項目が多く反省点を系統立てて言語化することは容易ではない．そこで，反省内容をタイプ分けし，項目ごとに反省点を言語化できるように支援することで，この解決を試みた．提案システムの有用性を検証するため，選手の動きが複雑化している傾向にあるスポーツであるサッカーを対象とし，サッカー経験者12名を対象に，システムを利用して試合内容を振り返る様子を観察した．その結果，反省観点の提示が反省内容の具体化や，多角的な視点からの反省の促進に寄与することが示唆された．

LF Decentralized Trust Tokyo Meetup 3LFDT Tokyo Meetup

実はアナタの身近にある！？ Linux のチェックポイント／レストア機能 (NTT Tech Conference 2025 発表資料)NTT DATA Technology & Innovation

ラズパイを使って作品を作ったらラズパイコンテストで碍厂驰赏を貰って、さらに、文化庁メディア芸术祭で审査员推荐作品に选ばれてしまった件?自作チップでラズパイ...Industrial Technology Research Institute (ITRI)(工業技術研究院, 工研院)

2025フードテックWeek大阪展示会 - LoRaWANを使った複数ポイント温度管理 by AVNET玉井部長CRI Japan, Inc.

测距センサと滨惭鲍センサを用いた指轮型デバイスにおける颜认証システムの提案sugiuralab

スマートリングは，主に决済やスマートロックなどに利用できる便利なウェアラブルデバイスであるが，个人认証机能の搭载例は少なくセキュリティ上の悬念が残されている．心拍数や动作特性を利用する认証では，认証に时间がかかるなどの问题があり，指纹认証や颜认証もデバイスのサイズや消费电力，プライバシーの问题が课题となっている．そこで，我々は测距センサと滨惭鲍センサを搭载した指轮型デバイスを用いることで，スマートリングに搭载可能なほど小型かつ省电力で，カメラ不使用によりプライバシーリスクを低减した颜认証システムを提案する．

【卒业论文】深层学习によるログ异常検知モデルを用いたサイバー攻撃検知に関する研究harmonylab

贬补谤耻办颈厂丑颈苍办补飞补冲尝尝惭を利用した果树农家の経験知の対话的蓄积支援冲诲别颈尘2025Matsushita Laboratory

空间オーディオを用いたヘッドパスワードの提案と音源提示手法の最适化sugiuralab

【卒业论文】尝尝惭を用いた惭耻濒迟颈-础驳别苍迟-顿别产补迟别における反论の効果に関する研究harmonylab

第1回日本理学疗法推论学会学术大会での発表资料（2025年3月2日　高桥可奈恵）Matsushita Laboratory

狈辞诲补滨迟蝉耻办颈冲反省観点の分类に基づく试合の振り返り支援システムに関する有用性検証冲顿贰滨惭2025Matsushita Laboratory

LF Decentralized Trust Tokyo Meetup 3LFDT Tokyo Meetup

実はアナタの身近にある！？ Linux のチェックポイント／レストア機能 (NTT Tech Conference 2025 発表資料)NTT DATA Technology & Innovation

2025フードテックWeek大阪展示会 - LoRaWANを使った複数ポイント温度管理 by AVNET玉井部長CRI Japan, Inc.

测距センサと滨惭鲍センサを用いた指轮型デバイスにおける颜认証システムの提案sugiuralab

【卒业论文】深层学习によるログ异常検知モデルを用いたサイバー攻撃検知に関する研究harmonylab

贬补谤耻办颈厂丑颈苍办补飞补冲尝尝惭を利用した果树农家の経験知の対话的蓄积支援冲诲别颈尘2025Matsushita Laboratory

Deep inspectionの特徴

1. ?2017 Rist Inc. Deep Inspectionの特徴 0

2. 1?2017 Rist Inc. Deep Inspectionの特徴 1. 最新の技術を、各社毎にアレンジし最適なソリューションを提供 2. ライブラリ?ソースコードなど多様な納品形体に対応し、既存ハードウェアへの組み込みへの対応も可能 Region-Convolutional Neural Network for Detecting Capsule Surface Defects Boletín Técnico, Vol.55, Issue 3, 2017, pp.92-100 Computer-Aided Civil and Infrastructure Engineering 32 (2017) 361–378 Deep Learning-Based Crack Damage Detection Using Convolutional Neural Networks 2017年以降にPublishされた論文例 1. トライアル 2. 検査モデル作成 3. ハードウェア連携 4. 保守?管理

3. 2?2017 Rist Inc. 事例：位置を踏まえた検査１ここが異常部分キズ部分を赤く表示 577枚（異常画像77枚）への適応結果全画像に対して正解適応例

4. 3?2017 Rist Inc. 事例：位置を踏まえた検査２ここが異常部分キズ部分を赤く表示 575枚（異常画像85枚）への適応結果 AUC = 94%を達成適応例

5. 4?2017 Rist Inc. 事例：幅測定などへの適応（従来）実際の検査現場では、単なるキズや異常検知以外にも様々な検査項目がある。例えば以下のような板の幅を測定し、それに応じて検査する場合… こんな感じで縦線を認識して板の領域を囲いたいけど… 似た縦線がたくさんあり既存の画像処理では対象の特定困難

6. 5?2017 Rist Inc. 画像中の物体を、過去データを参考に領域抽出する技術を転用 http://mi.eng.cam.ac.uk/projects/segnet/ 個体差のある板の画像に対しても… 正しく板の領域を抜き取れる！ ※画像はイメージです事例：幅測定などへの適応（弊社手法）

7. 6?2017 Rist Inc. そうは言っても人間でも判断が分かれる検査対象もある… 自信がなかったら素直に人間に聞いてほしいあるクライアントさんの声

8. 7?2017 Rist Inc. 事例：自信度（Confidence）の算出（従来）一般的に言われているDeep Learningの出力確率 400 300 200 100 0.4 0.5 0.6 0.7 0.8 0.9 1.0 一般的に出力される判定確率（正解?不正解の閾値決めが困難）サンプル数青線：正解橙色：不正解サンプル例：精度88% Cat (0.7) Dog (0.1) Fox (0.2) Softmax層の出力を一般的にはクラス確率としているこのsoftmaxの出力自体では、人間に検査を委ねる確率の閾値を決めるのは困難ある対象への事例

9. 8?2017 Rist Inc. 事例：自信度（Confidence）の算出（弊社手法） Deep Inspectionでの自信度算出方法 400 300 200 100 0.4 0.5 0.6 0.7 0.8 0.9 1.0 30 25 20 15 0.2 0.4 0.6 0.8 1.0 35 10 5 0 Deep Inspectionの判定自信度（正解?不正解の閾値を決めやすい）一般的に出力される判定確率（正解?不正解の閾値決めが困難）サンプル数サンプル数青線：正解橙色：不正解精度：99%以上従来通り目視検査精度：99%以下自動システム検査精度88% 全体では88%の精度 →使い物にならない低い自信度のものは従来通り目視検査過去の結果と比較し、自信度を算出。全体で精度88%のものに対し、自信度50%では全体の半数を99%精度で分類可能高い自信度のものは自動検査へ自信がないものは人間に判断を委ねつつ、確実に目視検査の負荷を軽減

10. 9?2017 Rist Inc. パッケージソフトで諦める前にぜひDeep Inspectionへお問い合わせください。 http://www.deep-inspection.com 弊社は国内外の製造業のクライアントと共同で開発を行っています。

狠狠撸

Deep inspectionの特徴

Recommended

More Related Content

What's hot (18)

Viewers also liked (9)

Similar to Deep inspectionの特徴 (20)

Recently uploaded (11)

Deep inspectionの特徴