| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-01-28 10:25 AIを用いた編網機における網目異常検知手法の提案 ○小川翔也・世永宜之・深江一輝（長崎大）・今井哲郎（広島市大）・荒井研一・小林 透（長崎大）  ICM2021-40 LOIS2021-38 |
|
| 抄録 | （和） | 漁網や法面における落石防止ネットとして，耐久性の高い亀甲目の網が注目されている．これは編網機と呼ばれる機械で製造が行われ，人が網目異常を常時監視することで，品質の高い網を製造している．しかし，この網目異常は正常な網目との区別が難しく，熟練の技術者の勘と経験に頼っているのが実状である．そこで本研究では，画像解析AIを用いた編網機における網目異常検知手法を提案する．本手法では，網目を構成する糸と糸の撚り合わせ部（撚り部）に着目し，この形状を特徴量として抽出し，SVMにより分類する．ディープラーニングによる画像分類では，対象画像が工場内の水蒸気やローラーの汚れなど日々異なる多くのノイズを含むことから，大量の学習データを用意する必要があったが，本手法ではより少ない学習データで分類できるというメリットがある．本手法を実際の編網機に適用し，ディープラーニングによる画像分類と比較してより少ない学習データ数で分類できること，およびリアルタイムで異常検知ができることを確認した． |
| （英） | Highly durable tortoiseshell nets are attracting attention as fishing nets and rockfall prevention nets for slopes. These nets are manufactured by a machine called a knitting machine, and high quality nets are manufactured by constantly monitoring the mesh for abnormalities. However, it is difficult to distinguish the abnormal meshes from the normal meshes, and it relies on the intuition and experience of skilled technicians. In this study, we propose a method for detecting abnormal meshes in knitting machines using image analysis AI. In this method, we focus on the twisted part of the yarn that constitutes the mesh, extract the shape of the twisted part as a feature, and classify it by SVM. In the case of image classification by deep learning, it is necessary to prepare a large amount of training data because the target image contains a lot of noise that varies from day to day, such as water vapor in the factory or dirt on the rollers. By applying our method to an actual knitting machine, we confirmed that our method requires less training data than image classification by deep learning, and that it can detect abnormalities in real time. | |
| キーワード | （和） | AI / 機械学習 / SVM / CNN / 画像認識 / IoT / / |
| （英） | AI / Machine Learning / SVM / CNN / Image Recognition / IoT / / | |
| 文献情報 | 信学技報, vol. 121, no. 355, LOIS2021-38, pp. 40-45, 2022年1月. | |
| 資料番号 | LOIS2021-38 | |
| 発行日 | 2022-01-20 (ICM, LOIS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | ICM2021-40 LOIS2021-38 |
|
| 研究会情報 | |
| 研究会 | LOIS ICM |
| 開催期間 | 2022-01-27 - 2022-01-28 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ライフログ活用技術、オフィス情報システム、ビジネス管理、一般 |
| テーマ（英） | Practical Use of Lifelog, Office Information System, Business Management, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | LOIS |
| 会議コード | 2022-01-LOIS-ICM |
| 本文の言語 | 日本語 |
| タイトル（和） | AIを用いた編網機における網目異常検知手法の提案 |
| サブタイトル（和） | |
| タイトル（英） | Proposal of mesh abnormality detection method in knitting machine using AI |
| サブタイトル（英） | |
| キーワード(1)（和/英） | AI / AI |
| キーワード(2)（和/英） | 機械学習 / Machine Learning |
| キーワード(3)（和/英） | SVM / SVM |
| キーワード(4)（和/英） | CNN / CNN |
| キーワード(5)（和/英） | 画像認識 / Image Recognition |
| キーワード(6)（和/英） | IoT / IoT |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 小川 翔也 / Shoya Ogawa / オガワ ショウヤ |
| 第1著者 所属（和/英） | 長崎大学 (略称： 長崎大) Nagasaki University (略称： Nagasaki Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 世永 宜之 / Nobuyuki Yonaga / ヨナガ ノブユキ |
| 第2著者 所属（和/英） | 長崎大学 (略称： 長崎大) Nagasaki University (略称： Nagasaki Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 深江 一輝 / Kazuki Fukae / フカエ カズキ |
| 第3著者 所属（和/英） | 長崎大学 (略称： 長崎大) Nagasaki University (略称： Nagasaki Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 今井 哲郎 / Tetsuro Imai / イマイ テツロウ |
| 第4著者 所属（和/英） | 広島市立大学 (略称： 広島市大) Hiroshima City University (略称： Hiroshima City Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 荒井 研一 / Kenichi Arai / アライ ケンイチ |
| 第5著者 所属（和/英） | 長崎大学 (略称： 長崎大) Nagasaki University (略称： Nagasaki Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 小林 透 / Toru Kobayashi / コバヤシ トオル |
| 第6著者 所属（和/英） | 長崎大学 (略称： 長崎大) Nagasaki University (略称： Nagasaki Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-01-28 10:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | LOIS |
| 資料番号 | ICM2021-40, LOIS2021-38 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.354(ICM), no.355(LOIS) |
| ページ範囲 | pp.40-45 |
| ページ数 | 6 |
| 発行日 | 2022-01-20 (ICM, LOIS) |
[研究会発表申込システムのトップページに戻る]