ミブログ画像解析ならMiVLog(ミブログ)

お知らせ

AIによる検査・解析って実際どうなの? - AI画像解析ソリューション

AI画像解析ソリューション開始! AI画像解析は本当に使える?

この度、三谷商事ビジュアルシステム部では新サービス"AI画像解析ソリューション Mitani-Eye Solution"を開始しました。
Mitani-Eye Solutionは「従来の画像処理とAIによる画像処理を、最適な組み合わせで運用するハイブリッド方式。これこそが作業の効率化と検査精度向上のカギ」 とし、お客様のご希望を伺った上で、従来法とAI解析を組み合わせてご提案させていただく課題解決型のサービスとなっております。

【AI画像解析ソリューション Mitani-Eye Solution】
https://www.mitani-visual.jp/products/ai_solution/mitani_eye_solution/

新サービスの開始に関係して今回は「AIを利用した画像解析・検査って実際どうなの??」ということ本ブログでお話させていただきたいと思います。

結論から申し上げますと、Deep Learningなどを利用したAI画像解析は"とっても使えます!"

簡単に言ってしまうと従来法の古典的な画像処理はこういうものが苦手です。
「背景が単一ではなく、模様やパターンといったテクスチャ感がある」
「検出対象とそれ以外の場所で濃淡の違いがあまりない。コントラストが弱い。」
「似たようなものが密集している。密集して1つの固まりとなっている。」
苦手なんですが、、、
こういうものはお客様が業務などで観察されている対象にもよくございます。(苦笑)

下の3つは、従来よく利用される画素の濃度や色情報にしきい値を設けて検出する方法では難しい画像にDeep Learningを利用してAI解析を試みた例になります。
それぞれ素材上の研磨傷、打痕、そして顕微鏡で観察した細胞の画像になります。
AI画像解析と従来法の比較

AI画像解析と従来法の比較

AI画像解析と従来法の比較

研磨傷と打痕の画像では、従来法では素材上のテクスチャにも反応(緑色部分)してしまい誤検出しているのが分かりますが、 AI画像解析を利用した方法ではより人の目に近く、対象付近を検出しています。また、細胞の画像についても、 濃い色の部分だけを認識していた細胞を、1つの固まりとして認識しています。

実際に画像処理を扱ったことのある方は、上記例のようなものを従来法で行う難しさもご理解いただけると思います。
本当に「いままで難しかったことができる」画期的な手法です・・・。

しかし、「じゃあ、もうAI解析だけでいいじゃないか!!」...とは( 2020年現在では )なりません。 それはなぜなのかを続いてお話したいと思います。

メリットとデメリット

AI画像解析が、いままで困難であった対象も自動処理できるような有効な技術であることは上記の例で見ていただいた通りです。 しかし、AI処理だけで検査業務を自動化するのはまだ問題点も多くあります。
AIを利用した場合と従来法を利用した場合の検査の流れを示したものが下図です。

■一般的なAI画像検査の流れ
AI画像解析検査

Deep Learningを利用して学習モデルを作成するAI検査の場合、必要になるのが"アノテーション"と"学習モデル作成"です。
アノテーションとはAIが学習するためのデータに学習用のラベルやタグをつけることになります。どの程度の学習データが必要に なるかは対象によりますが、多い場合は数千、数万といった数のデータを操作して学習の準備をする必要があります。
アノテーション後、実際に学習モデルをPCが計算して構築します。この計算にも相当な時間が必要となります。 また、よく利用されている検査装置やソフトウェアのように設定値を変更して、検査基準を甘くする(辛くする)といったことも不向きです。 しかし、デメリットを補うほどの検出精度となる可能性は十分あります。

・メリット
 人の目に近い高精度の判定ができる
・デメリット
 再調整や再学習には時間と手間がかかる
 学習モデルを作成し、実行しないと評価ができない


■従来画像検査の流れ
AI画像解析検査

従来型の画像内の濃度や色の情報を元に処理をする画像検査装置やソフトウェアは多くが以下の処理の流れで構成されています。
・前処理 (ノイズ除去などのフィルタ処理
・抽出 (2値化処理など
・後処理 (抽出した領域のサイズや形状による絞り込み)

それぞれの処理は設定を変更することですぐに処理結果を確認することができます。 「後処理で残すサイズを変える」「2値化で抽出する範囲を暗くする」など各設定の内容も明確なものが多いです。
しかし、苦手な対象も多いため、自動検査できる対象は単純な画像が向いています。

・メリット
 検出過程が明確で調整がしやすい
・デメリット
 濃淡がハッキリしていないと検出が上手くできない
 背景に模様やパターンといったテクスチャがあるような画像は苦手


まとめ - あるべきAI検査の形とは?

ここまでAI解析と従来法についてお話させていただきました。将来的にはAIがより使い易く なっていくものと思いますが、まだまだ手間も多いため従来法を組み合わせてより利用しやすい形での提案が必要と考えます。

そこでAIと従来法のハイブリッドという形でサービスを開始させていただいたのがAI画像解析ソリューション Mitani-Eye Solutionになります。AIでの画像検査をご検討される際には是非ともご相談をお願いします!
【AI画像解析ソリューション Mitani-Eye Solution】
https://www.mitani-visual.jp/products/ai_solution/mitani_eye_solution/

また、AI解析ではまだ「対象のサイズを測る」「寸法を計測する」といったニーズには十分応えられないケースも多いため、 こういったところでもAI解析の結果を従来法で加工するといった技術が必要になります。


今回の記事いかがでしたでしょうか?
多くの可能性を秘めた新しい技術ですので、AIに画像解析が皆様のお困りごとを解決するヒントになればと思います。
お気軽にご相談下さい。

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