ディープラーニング 画像処理

少ない画像で学習が可能な、ディープラーニングを用いた画像処理（画像解析・画像認識）技術です。撮影した画像を解析（特徴点の抽出）、認識（物の区別）することで、製品の分類やカウント、破損チェック、文字認識など検品の自動化を実現できます。

CCSのディープラーニング

これまでも画像処理（画像解析・画像認識）は存在しましたが、熟練したエンジニアが、長い年月をかけて開発する必要があり、更に曖昧な画像判定は難しいといった難点がありました。具体的には、画像の「前処理」（光学ゆがみや濃度の補正、ノイズ除去、平滑化、コントラスト強調、縮小・拡大・回転）→「特徴抽出」（二値画像、エッジ、濃度分散画像マップ）を経て→「判定・マッチング」（形状検査、パターン認識）の流れでプログラムを実装する必要がありました。

ディープラーニングが登場したことで、作業はデータを集めるだけ、開発期間は短く、曖昧な画像判定は可能になり、画像処理は飛躍的進歩を遂げました。ディープラーニングを用いた画像処理は、「画像の学習」（何パターンもの画像を学習し、学習モデルを自動で構築）→「画像推論」（学習結果に画像を判定させる）ができるのです。

ディープラーニングを用いた画像処理技術は、顔や場所、物体の認識、音声認識や翻訳、自然言語処理、ビデオ検索及び分析、自動運転などに応用されています。例えば自動運転は、他の車両や歩行者、白線などを認識しながら安全に車を動かす技術です。

ディープラーニング 画像処理＝撮影した画像を解析（特徴点の抽出）、認識（物の区別）する技術により、倉庫や工場では、 数量・破損品・品質チェック、製品の分類、物体認識・OCR（文字認識）といった検品の自動化を実現できます。近年、注目を浴びているロボットによる作業の自動化（AGV: 無人搬送車など）は、主に大規模な現場の作業でその効果が発揮されます。検品の自動化は、特定のものの抽出や区別などを担うため、大規模のみならず小規模な現場でも十分に効果を発揮できます。

応用

[数量カウント] パレットの数量カウント －実例－
	パレットに印字されたロゴを学習させます。荷物が積まれた複数のパレットの画像から、同じロゴがついたパレットを見つけ出し、数量をカウントします。
下記画像のような場合でも、画像認識による個数カウントに成功しました（左から）; ロゴのサイズが異なる場合（画像上、手前のパレットと、奥のパレットではサイズが異なります）、画像が暗がりで撮られた場合、パレットにビニールが巻かれた場合、画像がブレてしまった場合。

[特定物の数量カウント] －使用例－
同じ形で色が複数ある場合でも、特定のものを見つけ出し、カウントします。左記画像は、同じ形のクリップから、青色のみを抽出し、数量をカウントする例です。

[種類別数量カウント・計算] －使用例－
コインを種類別にカウントし、金額を合算します。

[破損品チェック] －使用例－
	汚れや破れなどのある破損品を見つけ出し、良品と区別します。工場での製品の検品に役立ちます。

[製品の分類] －使用例－
	同じデザインや形状でも、素材や色などが異なる場合に、製品の分類をします。左記画像は、紙の色により分類分けを行う例です。工場での製品分類に役立ちます。

[品質チェック] －使用例－
製品が適切な形状をしているかをチェックします。左記画像は、クッキーを用いた例です。食品など工場での品質チェックに役立ちます。

[出荷前検品] －使用例－
製品出荷前に、梱包が適正に行われたかをチェックします。下記画像では、パッケージに製品が詰められていない部分があり、出荷はNGであるという結果が出ています。工場での、食品や電化製品などの出荷前検品に役立ちます。

[物体認識・OCR] －使用例－
輸出貨物の外装に張り付けるケース マーク（シッピング マークまたは荷印）の形状と文字を認識します。ケース マークの形状や記載されている文字から、貨物の中身や重量、仕分け先などの情報を読み取ります。それらの情報を自動で認識し、データとして保存する業務に最適です。 工場で梱包し終えた段ボールに配送伝票を貼りつけた時点をスタート、伝票がラインに存在しなくなった時点をゴールとし、出荷までの履歴管理を行います。伝票番号を文字認識でデータ化し、確かに梱包、出荷をしたという証拠画像を保管できます。

用語説明

人工知能（AI: Artificial Intelligence）

人間が行っている知的な作業を、コンピュータで模倣したソフトウェアです。

機械学習（Machine Learning）

人工知能の一分野で、データの背景にある傾向や法則を探り、現象の解析や予測をします。

ディープラーニング（Deep Learning）

機械学習の手法の一つ、脳を模倣したモデルで、入力層（Input Layer）、隠れ層（Hidden Layer）、出力層（Output Layer）の3種類の層から成ります。
入力に対して単純な変換を何回も繰り返し、予測結果などを出力する構造をしています。
例）猫の写真を「収集」 → 猫の特徴点を「学習」し、「判別モデル」を作成 → 新しい猫の写真から、これは猫であると「認識」（あるいは、これはライオンであると「判別」）

画像処理（Image Processing）

コンピュータで、画像に何らかの加工や処理を施すことです。

画像解析（Image Analysis）

画像の中から、特定の事象を抽出することです。

画像認識（Image Recognition）

画像の中から、特定のもの（人の顔、ロゴなど）や特徴点（目や鼻、青色など）を認識し、検出することです。

カメラ ソリューション一覧

• クラウド遠隔監視カメラ システム「ci.Superior/GAZOCL」
• EMS – 作業映像一発検索システム「ci.Superior/GAZOQS」
• 人数カウント システム「TrueView People Counter」
• ヒートマップ「TrueView Queue」
• 属性判定「TrueView Demographics」
• ディープラーニング 画像処理
• サーマルカメラ