| 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 | 2026-03-19 09:50 深層学習を用いたミシン針外観検査手法の高度化 ○朝長伸吾（熊産技）・キム ワンジク（産総研）  MSS2025-66 NLP2025-147 |
|
| 抄録 | （和） | 本稿では深層学習を用いたミシン針外観検査手法の高度化を目的とし，検査精度と計算効率の両立を図る手法について検討する．具体的には，ミシン針を9 方向から連続撮影した画像をチャネル方向に結合する多チャネル入力表現を導入し，軽量なCNN モデルを用いた不良品検知を行う．また少量データ環境を想定し，交差検証による性能評価を行うとともに，Grad-CAM を用いてモデルの判定傾向を可視化する．さらに推論時間の測定を通じて，CPU 環境においても実際の製造ラインのタクトタイム内で運用可能であることを確認する．これにより，本手法が少量データ環境の製造現場においても実用性の高い外観検査手法の一つとなり得ることを示す． |
| （英） | This paper presents a deep-learning-based visual inspection method for sewing needles, with the aim of achieving both high inspection accuracy and computational efficiency. The proposed approach introduces a multi-channel input representation by concatenating images captured sequentially from nine different viewpoints along the channel dimension, and applies a lightweight CNN model to detect defective products. To address the limited availability of defective samples in manufacturing environments, model performance is evaluated using cross-validation, and the prediction tendencies of the model are analyzed through Grad-CAM visualization. In addition, inference time is measured to verify that the proposed method can operate within the takt time of actual manufacturing lines, even in a CPU-based environment. These results indicate that the proposed approach is a practical visual inspection solution for manufacturing sites operating under limited-data conditions. | |
| キーワード | （和） | 深層学習 / CNNモデル / 外観検査 / / / / / |
| （英） | Deep Learning / CNN Models / Visual Inspection / / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 418, NLP2025-147, pp. 104-107, 2026年3月. | |
| 資料番号 | NLP2025-147 | |
| 発行日 | 2026-03-11 (MSS, NLP) | |
| 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 | MSS2025-66 NLP2025-147 |
|
| 研究会情報 | |
| 研究会 | MSS NLP |
| 開催期間 | 2026-03-18 - 2026-03-19 |
| 開催地（和） | シンフォニアテクノロジー響ホール伊勢（伊勢市観光文化会館） |
| 開催地（英） | |
| テーマ（和） | MSS，NLP，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2026-03-MSS-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層学習を用いたミシン針外観検査手法の高度化 |
| サブタイトル（和） | |
| タイトル（英） | Enhancement of a Deep Learning-Based Visual Inspection Method for Sewing Machine Needles |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep Learning |
| キーワード(2)（和/英） | CNNモデル / CNN Models |
| キーワード(3)（和/英） | 外観検査 / Visual Inspection |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| 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） | 朝長 伸吾 / Shingo Tomonaga / トモナガ シンゴ |
| 第1著者 所属（和/英） | 熊本県産業技術センター (略称： 熊産技) Kumamoto Industrial Research Institute (略称： Kumamoto IRI) |
| 第2著者 氏名（和/英/ヨミ） | キム ワンジク / Kim Wonjik / キム ワンジク |
| 第2著者 所属（和/英） | 国立研究開発法人 産業技術総合研究所 (略称： 産総研) National Institute of Advanced Industrial Science and Technology (略称： AIST) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-19 09:50:00 |
| 発表時間 | 20分 |
| 申込先研究会 | NLP |
| 資料番号 | MSS2025-66, NLP2025-147 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.417(MSS), no.418(NLP) |
| ページ範囲 | pp.104-107 |
| ページ数 | 4 |
| 発行日 | 2026-03-11 (MSS, NLP) |
[研究会発表申込システムのトップページに戻る]