複合イメージセンシングを利用した、オンデバイス教師なし学習型AI外観検査ソリューションの研究開発

「複合イメージセンシング」と「教師なし学習」により、低コストで横展開容易な外観検査ＡＩを実現する

電機産業や自動車産業では自動化が進み、労働生産性が日々改善しています。一方、食品産業では労働不足率が最も高いにもかかわらず自動化率は33%と低く、他の産業に比べて自動化が遅れています。労働者にとって過酷な環境であり、労働災害件数も他産業と比較して2倍以上も多い食品産業では、自動化は急務であるにも関わらず、自動化が進んできませんでした。食品産業では多種多様で不揃いな形状・外観・素材を扱うという特有の課題があるためです。工業製品と異なり、単純なルールでは自動化が出来ませんでした。

大量のデータから自動で多種多様な特徴と認識ルールを学習する深層学習技術が急速に発展してきており、食品産業の外観検査自動化にも応用が研究されています。しかしながらこうしたＡＩ技術は、工場間など異なる環境間での横展開が困難であり、かつ学習のためのデータ収集が高コストであるという問題がありました。

本研究では、横展開容易で低コストなＡＩ技術の開発を通じ、人手不足が深刻な食品産業の自動化促進を進め、少子化に伴う労働力不足という社会課題の解決に貢献します。特に外観検査に着目し、従来では視認性の悪かった多種多様な検査を可能にします。

「複合イメージセンシング技術」でどこでも手軽に、「教師なし学習技術」で低コストに

どこでも手軽に、低コストに使える外観検査AIソリューションを実現することが本研究の目的です。これまでの外観検査装置は外乱光や環境光に弱く、被写体からの反射により認識精度が大きく変わってしまうという課題がありました。そのため熟練作業者による現地の調整作業が必要で、設置の度にシステム構築に膨大なコストがかかっていました。加えて従来のAIは正常・異常を判別するためには、多くの正常・異常のラベルが付けられた訓練用データが必要でした。これらのコストの高さが食品産業での自動化を阻害していました。

本研究では、1）検査対象の特徴を際立たせ環境光や反射にロバストな「複合イメージセンシング」技術、2）ラベルデータなしで学習可能な「教師なし学習」技術の２つを開発します。システム構築にかかるコスト、ＡＩの訓練にかかるデータ収集コストの大幅な削減を目指します。

本研究ではPoC実証系を立ち上げて、どこでも手軽に、低コストに設定できる外観検査装置の実証評価を予定しています。この評価では、食品データセットを作成し、3つの異なる環境で90％以上の正答率の達成を目指します。