導入することにより、曖昧な検査を実施していた検査を正確に部品の分類や欠陥の検出・分離に使用できるようになり ます。
ディープラーニングとは
ニューラルネットワークは、人間の脳を構成する生態的なニューラルネットワークからヒントを得たコンピューティングシステムです。畳み込みニューラルネットワーク(CNN) は、画像解析の分野で最も一般的に使用される、深層のフィードフォワード人工ニューラルネットワークの一種です。 ディープラーニングは、大規模なCNN を使って、いわゆる従来型のコンピュータビジョンアルゴリズムでは解決しにくい、または解決できない複雑な問題を解決します。ディープラーニングアルゴリズムの学習には例が使用されることが一般的であるため、より扱いやすいアルゴリズムといえます。ユーザーが部品を分類したり検査したりする方法を理解する必要はなく、トレーニングの始めの段階で検査対象の画像を多数示すだけで学習処理が進められます。トレーニングが正常に完了すると、部品の分類や欠陥の検出・分離に使用できるようになります。
【性能】
ディープラーニングには、特に学習段階において、一般的に非常に高いプロセッシング能力が必要となります。Deep Learning Bundleは、標準的なCPUをサポートしており、PC内のNvidia CUDA対応GPUを自動的に検出します。通常、1つのGPUの使用によって、学習と処理の段階は100倍速くなります。
このカタログについて
| ドキュメント名 | ディープラーニングは、既にマシンビジョン業界では実用レベルに |
|---|---|
| ドキュメント種別 | ホワイトペーパー |
| ファイルサイズ | 1.1Mb |
| 登録カテゴリ | |
| 取り扱い企業 | Euresys Japan株式会社 (この企業の取り扱いカタログ一覧) |
この企業の関連カタログ
製品カタログ
Euresys Japan株式会社
このカタログの内容
Page1
ディープラーニングは、既にマシンビジョン業界では実用レベルに
Product News / 09.2021
ディープラーニングとは？
ニューラルネットワークは、人間の脳を構成する生態的なニューラルネットワークから
ヒントを得たコンピューティングシステムです。畳み込みニューラルネットワーク
(CNN) は、画像解析の分野で最も一般的に使用される、深層のフィードフォワード人
工ニューラルネットワークの一種です。 ディープラーニングは、大規模な CNNを使っ
て、いわゆる従来型のコンピュータビジョンアルゴリズムでは解決しにくい、または解
決できない複雑な問題を解決します。ディープラーニングアルゴリズムの学習には例
が使用されることが一般的であるため、より扱いやすいアルゴリズムといえます。ユ
ーザーが部品を分類したり検査したりする方法を理解する必要はなく、トレーニング
の始めの段階で検査対象の画像を多数示すだけで学習処理が進められます。トレー
ニングが正常に完了すると、部品の分類や欠陥の検出・分離に使用できるようになり
ます。
ディープラーニング構成
Page2
性能
ディープラーニングには、特に学習段階において、一般的に非常に高いプロセッシン
グ能力が必要となります。Deep Learning Bundleは、標準的な CPUをサポートしてお
り、PC内の Nvidia CUDA対応 GPUを自動的に検出します。通常、1つの GPUの使
用によって、学習と処理の段階は 100倍速くなります。
Page3
EasySegment教師なしモード
EasySegmentは Deep Learning Bundleの分離ツールです。EasySegmentは検出と
分離を実行します。欠陥のある部品を識別し、その欠陥の正確な位置を画像内でピ
ンポイントに示します。EasySegmentの教師なしモードは、「合格」サンプル (欠陥の
ないサンプル) とされるモデルを学習して機能ます。これは、「合格」サンプルの画像
のみを使ったトレーニングを通じて行われ、それが完了すると、新しい画像を合格ま
たは欠陥に分類し、これらの画像から欠陥を分離するために使用できるようになりま
す。あらかじめ欠陥の種類が不明な場合や欠陥サンプルが手元にない場合でも、合
格のサンプル画像のみを使ってトレーニングすることで、EasySegmentの教師なしモ
ードを使って検査を実施できます。
EasySegment教師なしモード(日本語対応可)
Page4
EasySegment教師ありモード
EasySegmentは Deep Learning Bundleの分離ツールです。EasySegmentは検出と
分離を実行します。欠陥のある部品を識別し、その欠陥の正確な位置を画像内でピ
ンポイントに示します。EasySegmentの教師ありモードは画像内の欠陥と「合格」部分
のモデルを学習することで機能します。これには、予測セグメンテーションとして注釈
がつけられた画像を使ったトレーニングを通じて行われ、それが完了すると、新しい
画像の欠陥を検出して分離するために使用できるようになります。EasySegmentの教
師ありモードは精度が高く、期待されるセグメンテーションに関する知識に基づくこと
で、教師なしモードに比べてより複雑な欠陥を分離することができます。
EasySegment教師ありモード(日本語対応可)
Page5
EasySegment の有効使用
一般的に、ディープラーニングは精密な測定や計量が必要な用途には向いていませ
ん。また、ある種のエラー (検出漏れなど) を容認できないような場合には、推薦され
ません。 EasySegmentの教師なしモードは、特に、欠陥サンプルの入手が困難な場
合の検出と分離タスクに有効です。 ディープラーニングツールには、通常、自然物体
や既製品の画像を使用できます。こういったものの表面パターン (木材、繊維など)
は複雑であるため、従来のマシンビジョンアルゴリズムによる欠陥の検出は非常に困
難です。 さらに、「お手本学習」というディープラーニングのパラダイムによって、コン
ピュータビジョンプロセスの開発時間を短縮することができます。
EasySegmentの有効使用
データ拡大
ディープラーニングは、ある一連の基準画像の分類方法をティーチングするなど、ニ
ューラルネットワークをトレーニングすることによって実施されます。プロセスのパフォ
ーマンスは、その一連の基準画像がどれくらい典型的であり広域であるかという点に
大きく左右されます。Deep Learning Bundleは、「データ拡大」を実装しており、それに
よって、プログラム可能な範囲で既存の基準画像を修正する (シフト、回転、拡大縮
小など) ことで追加の基準画像を作りだしています。そのため、Deep Learning Bundle
では、分類ごとに必要となるトレーニング画像はわずか 100件に抑えることができま
す。
Page6
サンプルデータセット：生地の欠陥検出
上の生地のサンプルデータセットが示すように、EasySegmentの教師なしモードは生
地の欠陥を検出・分離するのに使用できます。トレーニングには少数の適切なサンプ
ルがあれば十分で、また、どのような欠陥が予測されるかについての知識も必要あり
ません。さらに、EasySegmentの教師なしモードによる結果を検証し、正解としてイン
ポートすることにより、教師ありモードに必要な予測セグメンテーションのアノテーショ
ンを容易にすることも可能です。
サンプルデータセット：生地の欠陥検出
サンプルデータセット：異物の検出およびセグメンテーション
上のコービーのサンプルデータセットが示すように、EasySegmentの教師ありモード
は、生産ラインおいて、色や質感が関心対象に非常に似通った異物を効率的に検
出・分離するのに使用できます
サンプルデータセット：異物の検出およびセグメンテーション
Page7
Open eVision の Deep Learning Bundle を選ぶ理由
• Deep Learning Bundle は、特にマシンビジョン用途での画像解析を念頭に、調
整、パラメーター化、および最適化されています。
• Deep Learning Bundle の API は単純であるため、数行のみのコードでディープラ
ーニング技術の性能を活用できます。
• ご購入前にお試しください: Deep Learning Bundle には、Deep Learning Studio ト
レーニング・評価アプリケーションが同梱されています。
EasyClassify, EasySegment and EasyLocate cannot be purchased separately. They
are only available as part of the Deep Learning Bundle.
Deep Learning Studio より Deep Learning Bundle をダウンロードしてお試しください。
ご不明な点がございましたら、お気軽に Euresysのサポートまでお電話ください。
Euresys Japan株式会社
セールス＆サポート
佐野 樹
Mail : sales.japan@euresys.com