ミブログ画像解析ならMiVLog(ミブログ)

お知らせ

画像解析ソフトWinROOFシリーズ × Deep Learning!不可能を可能にする 自動画像解析ソリューションとは?

WinROOFと AI(Deep Learning)が連携!

この度、25年以上の歴史がある画像解析ソフトウェア『WinROOF』シリーズにDeep Learningオプションが搭載されました!
日々WinROOFで画像解析に取り組んでいる私としては、WinROOFだけではどうしても解析が出来ないような画像に遭遇した際、大変悔しい思いをしてきたのですが...
WinROOF x Deep Learningで、お互いの苦手分野を補い、得意分野を組み合わせ、これまで出来なかった画像の解析を実現できるようになり、感激しております! ソリューションの特徴や解析事例を本ブログにまとめましたので、AIについてご興味がある方だけではなく、『過去WinROOFで画像解析検証をしたが希望通りの結果にならなかった』『他社のAIを検討・導入したが性能をもっと上げたい』というお悩みをお持ちの方、 ぜひご覧ください!

WinROOF x AI(Deep Learning)の特徴

従来式(ルールベース)の画像解析『WinROOF』とAI(Deep Learning)には、それぞれが不得意とする部分がございます
まず、WinROOF単体での解析では、計測箇所の色味(明るさ)が背景と似ている場合、抽出処理を行った際に対象箇所以外も大きく抽出されてしまいます。 続いて、AI単体では、画像のムラやノイズ除去といった前処理や、見つけたものの大きさを測定するといった従来の画像処理が得意としていた部分が苦手です。 そのため、AIを検討したが、AIだけでは上手くいかないといったケースも多くあります。

WRDL Conparison.png
そこで活躍するのが、WinROOF x AI(Deep Learning)。 WinROOFによるルールベースの画像処理で前処理や計測を、Deep Learningで対象箇所の抽出を実施するので、お互いが苦手な処理を補い、最適な検査を行うことができるのです。

WRDL feature.png

Deep Learning 解析の種類

Deep Learningを用いた画像解析には3つの種類があります。WinROOF x AI(Deep Learning)では、下記の3つより解析テーマに適したDeep Learningを用いた解析を行うことができます。

1. ディテクション
対象物がどこに何個あるかを判断する方法です。重なりがある場合でも対象物を抽出できる特徴があります。 右のコロニー画像のように重なりを許容し、対象を四角で囲んで学習させていきます。解析結果も学習時と同様に、対象物を四角で囲ったものが検出されます。

2. セグメンテーション
対象物の詳細情報(形状や位置)を判断する方法です。画像のどこに何があるのかを輪郭線を囲って学習させます。 セグメンテーションは対象物の輪郭などを細かく算出可能ですが、ディテクションのように重なっているものを別々に検出することはできません。

3. クラシフィケーション
画像自体をクラス分けして判断する方法です。 画像に応じてクラスA, B, ... のように割り振ってタグ付け学習させ、未知の画像のクラスを判定します。 下の画像では、コロニーの成長過程をクラス分けしています。

AI class.png

WinROOF x Deep Learning 解析事例

では、実際に WinROOF x Deep Learning で解析した事例を2つご紹介します。

1. レザーの上の傷計測
背景と傷の色味が似ているためWinROOF単体では抽出が難しいレザー上の傷も Deep Learning [セグメンテーション]で傷を特定してから処理をかけることにより、面積や長さ、幅を計測できます。
lether.png

2. 染色された皮膚上の表皮
形状が複雑な表皮も Deep Learning [セグメンテーション]で特定可能です。全体における面積率や色味算出、また、表皮エリアだけを解析範囲とし、表皮内の細胞数をカウントすることもできます。
cell.png
実際に表皮の画像解析を行っている様子をまとめた動画もございます!

ここまでご覧いただきありがとうございます。より詳しい話を聞きたい方、実際の画像で検証をしてみたい方は、下記URLよりご連絡ください!

三谷商事ビジュアルシステム部 問い合わせフォーム
https://www.mitani-visual.jp/items.php

RECOMMENDおすすめ記事

建設・工事業向けERPパッケージソフトウェア e2-movE