連載
» 2019年05月31日 08時00分 公開

分かったつもり? AI画像認識:認識率だけじゃない、AI画像認識で効果を出すために必要な2つの視点 (1/2)

AI画像認識の適用を検討する場合、対象物を何となく認識できた時点で、もうシステムができ上がったかのように勘違いしてしまう方が多いようです。しかし、AIによる画像認識は、全体システムの中の単に1パーツにしか過ぎません。次に何を考えるべきでしょうか。

[中尾雅俊, 矢嶋 博,パナソニック ソリューションテクノロジー]

監修:中尾雅俊

パナソニック ソリューションテクノロジー AI・アナリティクス部ソリューション推進課 主事

2017年にNVIDIAとの協業を担当したことを皮切りに、AI・データ分析中心の業務を推進。初期投資や導入リスクが大きい、「人工知能の現場導入で失敗させない」活動としてセミナー講演など多数実施。受講者からは、「AIがよく理解できた」「そんなノウハウを話しても良いの」と心配されるほど。最近の趣味は実用を兼ねたDIYや果樹菜園など。

監修:矢嶋 博

パナソニック ソリューションテクノロジー 産業IoTSI部ソリューション推進課 係長

製造業向け「AI画像認識ソリューション」のSEとして、営業支援やPoC推進を担当。ソフトウェア開発からITインフラ構築まで、これまでの幅広い経験を生かし、AI画像認識システムの提案から導入、AI学習トレーニングまでを手掛けている。趣味の風景や家族写真撮影に加え、学習用画像収集をライフワークにしている。

 前回は、AI画像認識を製造現場に適用する場合に、以下の3つのステップが必要だと説明しました。その上で、第1ステップの「画像認識の可否評価」では、そもそも画像認識を適切に行えるかどうかを確かめるために、AIに学習させるための画像(教師データ)集めや、画像の中の認識対象物を指定するラベル付け、教えた画像自身を認識できるかの評価を行う必要があると解説しました。

 今回は、第2ステップである「システム化の条件評価」、第3ステップの「ステム化による効果の評価」について、何が必要なのかを見ていきましょう。

AI画像認識を活用するためのステップ
第1ステップ 画像認識の可否評価
第2ステップ システム化の条件評価
第3ステップ システム化による効果の評価

第2ステップ システム化の条件評価

 システム化の条件評価とは、収集した画像を用いて、ユーザーが目的とするシステムを本当に構築できるかどうかを評価するステップです。

 例えば、製造現場での「モノの分類」のAI画像認識を使い、業務の効率化に役立てようとした場合、以下のようなシステム化が考えられるでしょう。

  1. コンベヤーを流れる段ボールに「危険物」ラベルが貼ってあるかどうかをチェックして、危険物ラベルがないものを自動で抜き出す
  2. 「モノの種類」をAI画像認識に判断させ、処理を自動で分岐させる
  3. キズなどの条件を検知して、不良品である可能性の高いモノを何らかの方法で他からより分け、人によるチェック、対応を求める

 第1ステップでは、対象物がAIで認識・判別できるかの評価を行いましたが、システムに組み込んで利用するには不十分です。例えば、1つの画像を認識するための処理時間が1秒であるのに対し、コンベヤーの速度が速く、1秒間に2個の段ボールが通過してしまっては、処理が間に合いません。

 または、ラベルがカメラと逆側に貼ってあるかもしれませんし、複数の段ボールが積まれた状態でラベルを隠しているかもしれません。現場で使える頭脳に仕上げること、そして、その頭脳を使ったシステムとして基本的な動作要件が満たされることを確認し、不足する場合は対策して検証するのが、第2ステップです。

       1|2 次のページへ

Copyright © ITmedia, Inc. All Rights Reserved.

会員登録(無料)

ホワイトペーパーや技術資料、導入事例など、IT導入の課題解決に役立つ資料を簡単に入手できます。