Fujitsu desarrolla inteligencia artificial para la inspección de imágenes a fin de detectar anomalías en la apariencia del producto con una precisión líder mundial en un punto de referencia clave

TOKIO, 29 de marzo de 2021 - (JCN Newswire) - Fujitsu Laboratories anunció hoy el exitoso desarrollo de una tecnología de IA para la inspección de imágenes que permite la detección altamente precisa de una amplia variedad de anomalías externas en productos manufacturados, incluidos arañazos y errores de producción. La tecnología aprovecha un modelo de IA entrenado en imágenes de productos con anomalías simuladas, sin tener que preparar datos de entrenamiento que utilizan imágenes reales de productos defectuosos extraídos del proceso de inspección de una línea de producción.

Fig 1. Esquema de la tecnología de desarrollo

Fig 2. Comparación con el estado de la técnica

Esta tecnología es capaz de detectar correctamente anomalías como hilos deshilachados y patrones de cableado defectuosos en productos que varían individualmente, incluso si parecen normales, como alfombras con diferente lana o color, o placas de circuito impreso con diferentes formas de cableado según la pieza. La tecnología desarrollada logró con éxito la precisión líder mundial (1) en un punto de referencia utilizando datos públicos (2) recopilados de imágenes externas de varios productos manufacturados.

Fujitsu verificó la efectividad de esta tecnología durante el proceso de inspección en la planta de Nagano de Fujitsu Interconnect Technologies Limited, una fábrica que fabrica equipos electrónicos, y confirmó su efectividad en la reducción de las horas-hombre requeridas para inspeccionar placas de circuito impreso en un 25%. En última instancia, la tecnología ofrece el potencial para ayudar a reducir la carga de trabajo de los trabajadores en las plantas de fabricación y mejorar la productividad, al tiempo que ayuda a introducir nuevos estilos de trabajo para el personal de primera línea.

Antecedentes y desafíos

En el lugar del proceso de inspección, el inspector determina si el producto es defectuoso basándose en características como su forma aproximada, estructura detallada y textura. Por ejemplo, la forma aproximada se considera importante en una prueba de distorsión de forma y la textura se considera importante en una prueba de condición o patrón. Además, incluso si el producto parece normal, si hay variaciones individuales en elementos como el revestimiento, el color y la forma del cableado, estas características se examinan para cada artículo y la inspección se realiza mientras se distingue si las diferencias o anomalías individuales se encuentran dentro del rango aceptable. . Por lo tanto, cuando se entrena a la IA para realizar tareas de control de calidad, es necesario poder capturar una amplia variedad de características que ocurren de forma individual en una imagen normal. Sin embargo, el método típico de entrenar un modelo de IA usando índices ponderados y sumados para cada característica ha llevado a una tendencia a enfocarse en una sola característica, y ha resultado difícil crear un modelo que comprenda completamente todas las características.

Acerca de la tecnología recientemente desarrollada

Con esta tecnología, la IA restaura la imagen normal de la que se eliminó la anomalía cuando se detecta una anomalía, y detecta la parte anormal capturando la diferencia entre la imagen que se va a inspeccionar y la imagen normal restaurada. Fujitsu ha desarrollado un método para entrenar un modelo de IA de modo que se pueda restaurar una imagen normal sin una variedad de anomalías como forma, tamaño y color agregando artificialmente las anomalías simuladas a una imagen normal preparada para el entrenamiento. La capacidad mejorada de restaurar imágenes normales ha hecho posible detectar áreas anormales con alta precisión sin preparar imágenes que contengan anormalidades como datos de entrenamiento. Durante el entrenamiento, Fujitsu compara la imagen normal con la imagen restaurada por la IA, evalúa el grado de entrenamiento de cada característica, como la forma aproximada, la estructura detallada y la textura, y controla el tamaño, el color y la cantidad de anomalías que se agregarán para que La IA aprende preferentemente las características que no se capturan. Por ejemplo, si la IA no puede restaurar correctamente la forma aproximada, se entrena con imágenes anormales con algunas pequeñas anomalías que no afectan la apariencia normal. Además, si los detalles y la textura son ligeramente diferentes, la IA se entrena con muchas imágenes anormales que son lo suficientemente grandes como para ocultar los detalles o agregar un patrón llamativo. De esta manera, al evaluar el estado de la restauración de la IA y el entrenamiento en áreas débiles donde la IA no puede restaurar las funciones, fue posible restaurar imágenes normales que capturaron todas las funciones.

Además, Fujitsu ha desarrollado una nueva tecnología que genera materiales de diversas formas, tamaños y colores a partir de una biblioteca de imágenes de más de 5000 tipos de objetos artificiales, y agrega anomalías cambiando probabilísticamente el número de anomalías y la posición en la que se encuentran. se agregan.

Resultados

La tecnología desarrollada logró una precisión líder mundial, con un puntaje AUROC (3) superior al 98% en una clase de productos que tienen variaciones en su apariencia normal, como alfombras con diferentes patrones de piel y colores de forma individual y placas de circuito impreso con diferentes formas de cableado en diferentes partes. Además, no hay variación en productos individuales como tornillos y tuercas, y en productos donde los productos no defectuosos tienen una apariencia uniforme, también se mantuvo con éxito una precisión equivalente a la de las tecnologías convencionales (4).

La eficacia de esta tecnología en el mundo real se verificó durante el proceso de inspección en la planta de Nagano de Fujitsu Interconnect Technologies, un fabricante de equipos electrónicos. La tecnología logró reducir en un 25% las horas de trabajo necesarias para inspeccionar las placas de circuito impreso.

Proyectos futuros

En el futuro, Fujitsu seguirá desarrollando esta y otras tecnologías relacionadas para respaldar la cartera de tecnologías de inteligencia artificial de Fujitsu, "FUJITSU Human Centric AI Zinrai", y su objetivo es aplicar este nuevo enfoque a la marca de fabricación de Fujitsu "COLMINA", que ofrece transformación digital (DX ) para la industria manufacturera.

(1) precisión líder mundial:
La precisión se logró para AUROC en comparación con las tecnologías enumeradas en la clasificación de referencia de la tecnología de detección de anomalías utilizando MVTec AD en la clase objetivo con variaciones en la apariencia normal. Datos de la empresa al 29 de marzo de 2021.
(2) benchmark utilizando datos públicos:
MVTec Anomaly Detection Dataset ofrecido por MVTec.
(3) AUROC:
Área bajo la curva ROC. Una medida del rendimiento de un modelo que detecta anomalías. Con una puntuación máxima del 100%, cuanto más alta sea la puntuación en el índice, mejor será el rendimiento del modelo.
(4) tecnología convencional:
Tecnología incluida en el ranking de referencia de tecnología de detección de anomalías utilizando MVTec AD

Sobre Fujitsu

Fujitsu es la empresa japonesa líder en tecnología de la información y la comunicación (TIC) que ofrece una gama completa de productos, soluciones y servicios tecnológicos. Aproximadamente 130,000 personas de Fujitsu dan soporte a clientes en más de 100 países. Usamos nuestra experiencia y el poder de las TIC para dar forma al futuro de la sociedad con nuestros clientes. Fujitsu Limited (TSE:6702) reportó ingresos consolidados de 3.9 billones de yenes (35 mil millones de dólares estadounidenses) para el año fiscal que finalizó el 3 de marzo.
1 de enero de 2020. Para obtener más información, visite www.fujitsu.com.

Acerca de Fujitsu Laboratories

Fundada en 1968 como una subsidiaria de propiedad total de Fujitsu Limited, Fujitsu Laboratories Ltd. es uno de los principales centros de investigación del mundo. Con una red global de laboratorios en Japón, China, Estados Unidos y Europa, la organización lleva a cabo una amplia gama de investigación básica y aplicada en las áreas de servicios de próxima generación, servidores informáticos, redes, dispositivos electrónicos y materiales avanzados. Para obtener más información, consulte: http://www.fujitsu.com/jp/group/labs/en/.

Fuente: http://www.jcnnewswire.com/pressrelease/65544/3/