| OS3-K1 |
いつでもズームやピント調整ができる高速・高精度3次元形状計測手法の提案と実用化 |
|
藤垣 元治 氏（福井大） |
|
| OS3-O1 |
カメラ固有画素統計モデルに基づくDNNのためのリアルな学習画像生成 |
|
神谷 優介, 篠原 伸之, 橋本 学(中京大) |
| 概要：DNNを用いた工業分野における対象物識別においては，学習時と識別時に使用するカメラの個体差に起因して識別正解率が低下するという問題がある．この問題に対し，本研究では，識別用カメラ固有の画素値変動を実画像に基づいて統計的にモデル化し，識別用カメラで撮影したような画像を生成することにより識別性能の向上を図る．実画像を用いた識別実験により，ガウシアンノイズを用いた従来手法と比較して識別正解率が1.0％向上することを確認した． |
| キーワード：DNN、外観検査、画像生成 |
|
|
| OS3-O2 |
テンプレート比較型ニューラルネットワークを用いた汎用印字検査の検討 |
|
鎌田 祥平, 堀井 俊嗣, 山本 治美(パナソニック) |
| 概要：工業製品の外観検査項目のひとつに印字検査がある。従来画像処理で印字検査を行う場合、1文字毎に検査領域と閾値を設定するなど検査プログラムの作成に多大な労力を要する。ディープラーニングによるクラス分類器を用いて検査を行う事例も存在するが、印字内容が変わる度に再学習を行う必要があり安定した精度での検査が実現するまで期間を要する。そこで我々は、印字内容が変更された場合でもネットワークの再学習が不要なテンプレート比較型ニューラルネットワーク（見比べNet）を提案する。 |
| キーワード：Deep Learning, テンプレート比較, 外観検査 |
|
|
| OS3-H1 |
時計部品の外観検査自動化のためのデータ拡張手法の検討 |
| (IS2-C1) |
松岡 海登, 大野 光津弘, 青木 公也(中京大), 輿水 大和(中京大, YYCソリューション), 伊藤 麻里(セイコーインスツル) |
| 概要：外観検査の自動化で機械学習を用いる際，大量のサンプル画像によって精度を向上させることが非常に重要となる．本研究では，特定の時計部品を対象ワークとし，不良品画像の欠陥周囲に対して画像拡張を行い，元の不良品画像と違う位置で画像を切り抜くことで，欠陥位置の変化した新たな画像を得る手法を提案する．また，機械学習の精度をより効果的に向上させるには質の良い画像を生成する必要があるとし，提案手法ではこの点に関しても考慮した． |
| キーワード：データ拡張，テクスチャ合成，外観検査，深層学習 |
|
|
| OS3-H2 |
AI技術による外観検査の自動化 |
| (IS2-C3) |
池田 泰之, 半澤 雄希, 栗田 真嗣(オムロン) |
| 概要：本稿では外観検査の自動化において、多様な欠陥を検出する技術を提案する。現在、目視検査の自動化ニーズが高まっているが、既存の画像センサでは実現できていない。そこで我々はDeep Learning技術を活用し、多様な欠陥状態を事前に学習することで、複雑な設定なく誰でも簡単に検査可能な欠陥検出技術を構築した。また、高速動作可能な工夫を導入し、既存の画像センサに搭載可能にした。 |
| キーワード：外観検査、AI技術、画像処理 |
|
|
| OS3-H3 |
独立成分分析を用いた二波長位相シフト干渉計におけるロバスト計測 |
| (IS2-C5) |
鷲見 典克(名工大), 服部 公央亮(中部大), 田口 亮(名工大), 保黒 政大(中部大), 梅崎 太造(名工大, 東京大) |
| 概要：近年，鏡面や透過物体を精密に計測する技術として，位相シフト干渉計なと゛の計測器か゛普及しており，参照位相か゛未知の環境においても計測可能な手法か゛いくつか提案されている．この中て゛，二波長の位相シフト干渉計においても，独立成分分析を用いて計測可能な手法か゛提案された．しかし，この手法て゛は干渉しない領域を含む計測対象て゛は，計測に失敗する．そこて゛本研究て゛は，このように干渉しない領域を含む計測物体に対してもロハ゛ストに計測可能な手法を提案する． |
| キーワード：位相シフト法，干渉計，独立成分分析 |
|
|
| OS3-H4 |
条件付き視覚的顕著度による路上障害物検出手法 |
| (IS2-C7) |
山中 正雄(トヨタIT開発センター), 藤澤 逸平(アラヤ), 加畑 俊之介(イースクリエイト) |
| 概要：本稿では，車載カメラで取得した画像中の路上障害物を検出する手法に関して報告する．提案法は，入力画像(a)を複数の意味的ラベルに分割する(b)．また，入力画像を複数の局所領域に分割する(c)．さらに，局所領域毎に得られた意味的ラベルに対する確率分布に基づいて，“路上障害物らしさ”を算出する(d)．最終的に，得られた路上障害物らしさに対して，適切な閾値を設定することにより，画像中の路上障害物を検出する．特に，提案法では，“条件付きの視覚的顕著度”という新たな特徴量を導入する．評価実験では，その有効性を定量的に確認した． |
| キーワード：路上障害物検出，車載カメラ画像，深層学習，条件付き視覚的顕著度 |
|
