画像データが十分にない!をCGによるデータ生成で解決

このエントリーをはてなブックマークに追加
産業・流通系の異常検知・領域抽出案件の一番難しい点は、
実践投入する際に高い精度が必要なことです。
そして問題をさらに困難にするのが、「精度向上のための画像データが十分に集まらない」というものです。
今回は、画像データが十分にない際に、CGによるデータ生成で解決する方法について説明していきます。

なぜ画像が集まらないのか?

現地・施設内で写真を沢山撮ればよいのでは?
と思いがちなのですが、意外と様々な場所で躓きます。
実際にあった事例をいくつか紹介します。
  •  対象物の画像を収集できるタイミング・期間が限られている。
  • 工場ラインの既存の異常検知システムが画像を貯めるようにできていない。
  •  サンプルとして用意できる異常データが少ない。(異常品が1000品に1品など)
  •  撮影した日が晴れの日ばかりで、日光の影響を強く受けたAIモデルができてしまう。
  •  現地での撮り方に精度が左右されてしまう。
他にも、工場のコンディションに左右されることが多いです。
弊部では、これらの問題を打開すべく、3DCGを用いたデータ生成を行うケースが増えています。

化粧箱の傷データ生成

今回は、「化粧箱の出荷前の傷検知」のためのデータサンプルについて記載します。
箱の表面をズームしてみましょう。
の素材(テクスチャ)は、ザラザラしたような表面を持ち、個体ごとのプリントずれ・光の当たり方で反射する部分が変わります。
このような光の当たり方がどのような問題を引き起こすのでしょうか。
ここの箱にシミがつくと以下のようになります。
・・・決してリンク切れでなく、微細なシミがついているのです。
そこで、強い光が当たった状態を再現します。
右下にシミが浮かびました。
ただし、左上からライトが当たっているので、白さ等の閾値で抽出が難しいという問題に当たります。
ここからは、同様のサンプルをCGで大量に生成し、ディープラーニングで傷の領域抽出を行うタスクに落とし込む流れとなります。
また、CG上でライトの量をシミュレートすることで、
実際の工場内で適用できるライトの当て方を算出し、白さ等の閾値で抽出することも有用です。
また、以下のように形崩れも再現可能です。
このようなデータは、光の当たり方を変えて毎回カメラで何千枚もデータを収集する手間が膨大にかかるため、CGでの作成が非常に有用となります。
以上、CGでのデータ生成について説明していきました。
CGを使った場合の精度やワークフローなど
どこかで公開できる形で、詳細に説明できればと思います。

【無料ebookのご案内】
AI・データ活用がうまく進まない方におすすめの一冊です

年間多くのお客様からAI・データ活用に関するご相談いただきますが、中にはプロジェクトを立ち上げる前に終息したり、スタートできるまでに半年以上時間を要するケースもあります。
その最大の要因は、データの準備不足です。

AIプロジェクトを開始するためにはAI活用に適した形でデータが揃っていることが大前提ですが、この大前提ができていないケースが多くあります。
では、どうすればAI・データ活用プロジェクトを効率よく推進できるのでしょうか。

本ebookでは、企業が陥りやすいデータの3大課題と、その解決に役立つ「AI活用診断レポート」について、わかりやすくご紹介いたします。
無料でダウンロードできるのでぜひご活用ください。

ebookダウンロードはこちら

WRITER
Takahiro Yoshida

データサイエンティスト

吉田   孟弘 Takahiro Yoshida

画像解析が中心。メーカー・サービス業を主に担当し、高度な物体認識課題・デザイン・アート方面の生成課題まで幅広く担当。

SNSで最新情報を発信しています

最新記事

ページTOPへ