レゾナックは12月15日、材料検査にディープラーニングを活用した画像解析技術を導入し、検査精度の向上と自動化による検査時間の短縮を推進しており、同社の計算情報科学研究センターと、ニューロダイバーシティ人材で構成された専門部署「ジョブ・サポートチーム」が連携し、高品質な教師データの内製化を実現したことを発表した。これにより、同社の球状アルミナ画像検査において、従来モデルと比較したＡＩ画像解析での誤検出率が40・８％から３・２％に大幅に低下し、解析精度が約４割改善した。
ディープラーニングによる検査自動化には、ベテラン検査員の判断をＡＩに学ばせるための「教師データ（正解データ）」が不可欠である。教師データは、ＡＩに読み込ませるためのデータで、わずかな誤りがあるだけでも解析精度が大きく低下するため、ピクセルレベルで正確に作成する必要がある。教師データ作成は、画像中の粒子を一つずつ手作業で色分けするなどして行う。この作業は高度な集中力と正確さを求められるとともに、膨大な作業量のため人手不足が課題となっていた。
このたび、計算情報科学研究センターの画像解析専任チームと連携し、ジョブ・サポートチームが教師データ作成を担当。ニューロダイバーシティ人材ならではの、丁寧さと集中力が業務内容と高い親和性を示し、迅速かつ、正確に教師データを作成することができた。さらに、教師データ作成を内製化したことでノウハウの蓄積が可能となり、継続的に高品質なデータを供給できる体制を構築した。
同社子会社のレゾナック・セラミックス富山工場で製造している球状アルミナ画像解析において、ジョブ・サポートチーム作成の教師データを学習させた結果、同社従来モデルと比較して誤検出率が40・８％から３・２％に大幅に低下。これにより次の解析ステップである、アルミナ粒子のＯＫ／ＮＧ判定精度の更なる向上に取り組むことができ、その結果を製造条件にフィードバックすることにより、今後の生産性向上が期待される。
ペンタブレットを用いて教師データを作成している様子
球状アルミナの画像と作成した教師データの一例
教師データ有無による当社従来モデルと改善モデル結果比較
