本年も『第9回　AI・人工知能EXPO【春】』に参加しました。
そこで、会期中に展示していたソリューションのご紹介をしたいと思います。
今回は第一弾です。全部で第四弾までを予定していますので、ぜひお楽しみください。

AI開発においてボトルネックとなるのは学習データの数です。
製造物の正常／異常を判別するAIモデルを作成する際、正常品画像も異常品画像も様々なパータンのデータが”大量に”必要です。
しかし、異常品画像というのはなかなか用意することができません。なぜなら、生産工程において異常品が作られる確率が低いためです。
また、正常品画像であっても、大量のデータをすぐに集めることはなかなか難しいです。

そこで注目されているのが、少量データでのAIモデル作成手法（異常検知手法）です。

今回の展示では、外れ値検知手法の“PatchCore”を応用した識別モデルを使用してのデモを行いました。
あらかじめ登録（学習）された製品のうち、どの製品であるかを予測する実機デモです。

こちらなんと、登録（学習）させた画像はそれぞれ “1枚” です。（※今回用意した対象物においては）

仕組みとしては、「学習画像からCNNで抽出した特徴」と「対象物の画像の特徴」との距離を総当たりで求め、
一番近しいものを選択するような仕組みとなっています。

従来、AI開発において大量のデータ数が必要とされていましたが、今回のように少量のデータ数でも実現が可能となれば、
AI適用の可能性というのはグッと広がるのではないでしょうか。

弊社では今回展示した異常検知手法以外にも、様々な手法の知見を持っています。
AI開発において、データ数に関する課題をお持ちでしたら、ぜひご相談ください。

今回のレポートは以上です。第二弾もお楽しみに。

弊社は今後も技術力で産業界を支えてまいります。