概要

下図がシステムの概略図になります。学習を行うには学習用の画像データのほかに学習させたい対象が各画像内のどこにあるのかを示す「アノテーションデータ」も必要になります。これら２つをまとめて学習用データセットとし、専用のアルゴリズムで学習を進めて出来上がった「学習済みモデル」を用いて物体検出および画像判定を行います。

弊社で出来ること

Deep Learningを用いた画像認識では「画像分類」、「物体検出」、「セグメンテーション」の３つの処理を行う事が出来ます。弊社のプログラムではこのうち、「画像分類」と「物体検出」が可能です。

画像分類

画像に写っているのは「トラック」といったように、画像1枚に対して1つの正解を予測して答えを返します。

物体検出

画像のどこに何が写っているのかを予測します。画像1枚に対し複数の物体を認識し、その種類、位置、大きさを予測して答えを返します。

活用事例

■食品関連現場の生産ラインにおける良品・不良品の検出

良品、不良品を共にOK・NGと分類して学習させたモデルを用い、生産ライン上に設置したカメラより得たリアルタイム画像に対し良品か不良品かを判定します。

※画像はイメージです。

■医療・バイオ関連現場における識別と分類

血液内に多種多様に存在する白血球細胞の種類を学習させたモデルを用い、顕微鏡画像からその種類を識別し判定します。

※画像はイメージです。

システム化までの流れ

①ヒアリング
お客様がどのような案件・要件においてAIを必要としているのか、また、AIを導入する事によってどのような成果を望んでいるのか、それがAIを導入する事によってどれくらい達成できるのかの見通しを詳しく調査し、最適な進め方をご提案致します。

②実証実験（PoC）
おおよその要件定義が決まったところでお客様がお持ちのデータを用いて学習を実施し、判定結果の検証を行います。検証結果によっては納得のいく成果が出ないケースもございますので、その際にはデータの見直し、プロジェクト内容の再検討などを図る必要があります。

③システム化
実証実験で納得のいく成果が出せることが分かれば、システム化へ進みます。AIを組み込んだシステムの実装、運用までの一連の製品を設計・開発します。

技術提案

・良品判定
・顔認証
・外観検査　…etc
各種ご相談承ります。導入をお考えの企業様、担当者様はお気軽にお問合せ下さい。