運用環境を考慮した異常検知モデルの生成手法

カテゴリ: 部門大会

論文No: TC14-3

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Methods for Generating Anomaly Detection Models Tailored to Operational Environments

著者名: 野田 祥希（明電舎）,長島 秀明（明電システムソリューション）,松村 周（鉄道総合技術研究所）,大橋 剛介（静岡大学）

著者名(英語): Yoshiki Nota (MEIDENSHA CORPORATION),Hideaki Nagashima (MEIDEN SYSTEM SOLUTIONS CORPORATION),Itaru Matsumura (Railway Technical Research Institute),Gosuke Ohashi (Shizuoka University)

キーワード: 異常検知|目視検査|Anomaly detection|Visual inspection

要約(日本語):

近年、異常検知AIを用いた目視検査の自動化が様々な分野で広く活用されている。製造業では、AIを活用した目視検査システムの導入により、不良品検出の精度が飛躍的に向上し、品質管理の効率化が実現されている。また、建築やインフラ検査の領域においても、自動化が進展し、効率的かつ正確な検査作業が可能となっている。
このような異常検知AIモデルを運用するためには、計測対象や要求される検査時間、解析・学習リソース等のシステムの運用環境に応じたAIモデルを選択し、生成する必要がある。しかしながら、システムの運用環境に適したAIモデルを選択することは困難であると同時に選択には専門的な知識が必要となる。また、学習リソースについても制限があるため利用するHWを考慮した学習方法が必要となる。そこで本稿では、課題解決のため異常検知AIモデルであるPatchCoreをベースにした生成手法を提案する。