Upgrade to Pro — share decks privately, control downloads, hide ads and more …

印刷製造現場への機械学習技術の導入の流れ

 印刷製造現場への機械学習技術の導入の流れ

タクトピクセル株式会社が提供している印刷製造業向けに深層学習技術を活用するためのアプリケーションPOODL(プードル)の役割と、導入の際の流れについてまとめた。
https://poodl.cloud/

Taktpixel Co., Ltd.

March 12, 2019
Tweet

More Decks by Taktpixel Co., Ltd.

Other Decks in Business

Transcript

  1. 機械学習技術導入の流れ ここでは、蓄積された情報を元に抽象レベルの高い仕組みやルール(モデル)を抽出し、 それに基づいて予測や自動処理を行う技術を指しています。 データ収集 前処理 モデル作成 システム化 必要なデータを収集して データベースに格納します。 予測したい付加情報を抽出

    したり、アノテーション作 業を行います。 モデル化のための基本的な 画像処理や、高い精度のモ デルを作成するためのデー タの増幅などの前処理を行 います。 モデルの作成を行います。 学習処理を行うためのパラ メータの探索や、ニューラ ルネットワークの構造を決 定し、精度を確認します。 予測モデルを実際の現場で 使用するため、既存のシス テムや装置への組み込みを 行います。 装置メーカー様、 受託システム開発 当社有償サービス
  2. 基本機能 • ストレージ • 画像をアップロードしデータセット単位で保管する • データセットの分割・結合・編集作業が行える • アノテーション •

    分類作業に集中できるシンプルな画面設計 • 権限機能によって安全に作業依頼ができる • データの前処理 • 検査画像の特長を失わないようなデータの増幅を行う • 学習 • 専門知識無しで学習処理の実行が可能 • 解析 • 学習済みモデルの精度を分析する • 適切な学習済みモデルをダウンロードできる • 推論 • 検査装置などに組み込んでオフラインで高速処理ができる
  3. データ収集 前処理 モデル作成 システム化 • 画像検査装置 • 自社開発の装置データ • デザインファイル

    • その他画像 データセット 必要なデータを収集してデータベースに格納します。予測し たい付加情報を抽出したり、アノテーション作業を行います。 精度の高いモデルを作成するには、高品質(低ノイズ)かつ 大量のデータを集めることが重要です。 数百枚~数万枚 アノテーション作業 • 良品/不良品 • 検出部位 • 欠陥品種 • テクスチャ ※ 検査装置などから直接アノテーション情 報を抽出して利用できる場合もあります。
  4. データ収集 前処理 モデル作成 システム化 アノテーション作業 • 良品/不良品 • 検出部位 •

    欠陥品種 • テクスチャ 機械学習の導入では、アノテーション作業が最も重要で最も大変なプ ロセスと言われています。 精度の高いアノテーションを行うことと、どのような切り口から分類 項目を決定するかが非常に重要です。 良品 不良品 良品/不良品の2値分類が最もシンプルな分類 項目ですが、多くの場合は画像特徴から直接的 に良品/不良品の判別を行うことが難しいこと が知られています。 見当ズレ セパムラ 黒点 ピンホール 歯抜け 警戒紙 面積 面積・輝度 輝度 面積・輝度 良品 不良品 欠陥の品種分類や検出部 位の分類など、中長期的 に揺らぎの少ない分類項 目を選択することが、実 用化への近道です。
  5. データ収集 前処理 モデル作成 システム化 • TensorFlowTMをベースにした独自の深層学習エンジ ン”DLC-Tian” • 数百万枚規模の大規模データセットの学習が可能 •

    印刷の品質検査に適したネットワークモデルを開発 • 欠陥流出を最小に抑えるための数値最適化手法 • 過学習を抑えるための工夫 • 小ロット多品種の印刷製造現場に適用するための 汎用的な学習済みモデル生成 • 任意の深層学習エンジンの導入も可能 (別途APIの開発が必要になる場合があります。) ※TensorFlowTMはGoogle LLCが開発しオープンソースとして公開している数値計算のためのソフトウェアライブラリです。
  6. データ収集 前処理 モデル作成 システム化 検査装置 ファイル サーバー 管理者PC 業務システム POODLは検査装置など既存の設備と直接データの

    通信を行えるためのAPI, SDK, CLIを提供しています。 特注のシステムへの組み込み開発業務や、システ ムベンダー様への技術サポートも行っています。 クラウドコンピューティングサービス AWS (EC2, Batch, ECS, S3, RDS) コンテナ Docker 認証、データ管理 (バックエンド) PHP(Laravel Framework) GUI (フロントエンド) Vue.js (element-ui) データベース MySQL 機械学習、データ解析 AWS Batch, AWS ECS, Python (Tensorflow, Keras, numpy, pandas) ローカルアプリケーション C#.NET (Windows Forms, WPF), Python, Node.js 画像処理 OpenCV, HALCON 技術基盤
  7. 画像検査装置 仕上げ工程 ベリファイ工程 (データ検品) 画像自動分類 アプリケーション 事前判別 確実に良品と思われる ものを排除してベリ ファイ工程の負担を削

    減する。 事後判別 確実に致命的な欠陥と なりそうなものを強制 的に欠陥指定して流出 事故を防止する。 1 2 3 学習済みモデル データ収集 システム化 ベリファイ工程の効率化