【JSAI2022】モデルの不確実性を考慮した外観検査の効率化手法

2022年度 人工知能学会全国大会(第36回)@京都にて、人とAIの協調として、「モデルの不確実性を考慮した外観検査の効率化」をインタラクティブセッションで報告しました

PDFファイルダウンロード

製造業において,外観検査は製品の品質を保証する重要な業務です。

近年、異常検知モデルを用いて、外観検査を行うシステムの導入が進んでいます。

しかし、製品の品質を重視する場合、機械学習システム導入後も、人による目視検査がおこなわれていることがあります。

従来の異常検知手法では、分類境界付近の異常か曖昧な画像を目視検査しますが、正しく分類された画像も多く含まれ、人の検査負担が大きいです。

そこで、人の検査負担を軽減することを目的とし、AIの安全性や信頼性で注目されているモデルの不確実性を検討しました。

本研究では、異常検知の信頼性を定量化し、人の目視検査枚数を削減しつつ、誤分類画像を中心に目視検査が可能となる方法を提案しました。

提案した目視検査選別スコアが大きい画像を検査することで、 偽陰性画像(見逃し)を減らせられる

発表
AITC 製品開発グループ
太田 真人