Fujitsu opracowuje sztuczną inteligencję do kontroli obrazu w celu wykrywania nieprawidłowości w wyglądzie produktów z wiodącą na świecie precyzją w kluczowych testach porównawczych

TOKIO, 29 marca 2021 r. – (JCN Newswire) – Firma Fujitsu Laboratories ogłosiła dzisiaj pomyślne opracowanie technologii sztucznej inteligencji do kontroli obrazu, która umożliwia bardzo precyzyjne wykrywanie szerokiej gamy zewnętrznych nieprawidłowości w wytwarzanych towarach, w tym zarysowań i błędów produkcyjnych. Technologia wykorzystuje model sztucznej inteligencji przeszkolony na obrazach produktów z symulowanymi nieprawidłowościami, bez konieczności przygotowywania danych treningowych, które wykorzystują rzeczywiste obrazy wadliwych produktów pobrane z procesu kontroli linii produkcyjnej.

Rys. 1. Zarys technologii opracowania

Ryc. 2. Porównanie ze stanem techniki

Ta technologia jest w stanie prawidłowo wykryć nieprawidłowości, takie jak postrzępione nici i wadliwe schematy okablowania w produktach, które różnią się indywidualnie, nawet jeśli wydają się normalne, na przykład dywany z inną wełną lub kolorem lub płytki drukowane z różnymi kształtami przewodów w zależności od części. Opracowana technologia z powodzeniem osiągnęła wiodącą na świecie dokładność (1) w teście porównawczym wykorzystującym dane publiczne (2) zebrane z zewnętrznych obrazów różnych wytwarzanych towarów.

Fujitsu zweryfikowało skuteczność tej technologii podczas procesu inspekcji w Nagano Plant należącej do Fujitsu Interconnect Technologies Limited, fabryki produkującej sprzęt elektroniczny, i potwierdziło jej skuteczność w redukcji roboczogodzin wymaganych do kontroli płytek drukowanych o 25%. Technologia ostatecznie oferuje potencjał, aby pomóc zmniejszyć obciążenie pracowników w zakładach produkcyjnych i poprawić produktywność, jednocześnie pomagając wprowadzić nowe style pracy dla personelu pierwszej linii.

Tło i wyzwania

Na miejscu procesu kontroli inspektor określa, czy produkt jest wadliwy na podstawie takich cech, jak jego przybliżony kształt, szczegółowa struktura i tekstura. Na przykład przybliżony kształt jest uważany za ważny w teście zniekształcenia kształtu, a tekstura jest uważana za ważną w teście stanu lub wzoru. Ponadto, nawet jeśli produkt wydaje się normalny, jeśli występują indywidualne różnice w elementach, takich jak powłoka, kolor i kształt okablowania, te cechy są badane dla każdego elementu, a kontrola jest przeprowadzana przy jednoczesnym określeniu, czy poszczególne różnice lub nieprawidłowości mieszczą się w dopuszczalnym zakresie . Dlatego podczas szkolenia sztucznej inteligencji do wykonywania zadań kontroli jakości konieczna jest możliwość uchwycenia szerokiej gamy cech, które występują indywidualnie na normalnym obrazie. Jednak typowa metoda uczenia modelu sztucznej inteligencji przy użyciu ważonych i sumowanych wskaźników dla każdej cechy doprowadziła do tendencji do skupiania się tylko na jednej charakterystyce i okazało się, że trudno jest stworzyć model, który w pełni obejmuje wszystkie cechy.

O nowo opracowanej technologii

Dzięki tej technologii sztuczna inteligencja przywraca normalny obraz, z którego usunięto nieprawidłowość, po wykryciu nieprawidłowości i wykrywa nieprawidłową część, przechwytując różnicę między obrazem, który ma być sprawdzony, a przywróconym normalnym obrazem. Firma Fujitsu opracowała metodę uczenia modelu sztucznej inteligencji, dzięki czemu można przywrócić normalny obraz bez różnych anomalii, takich jak kształt, rozmiar i kolor, poprzez sztuczne dodanie symulowanych nieprawidłowości do normalnego obrazu przygotowanego do uczenia. Ulepszona zdolność przywracania normalnych obrazów umożliwiła wykrywanie nieprawidłowych obszarów z dużą dokładnością bez przygotowywania obrazów zawierających nieprawidłowości jako danych treningowych. Podczas uczenia Fujitsu porównuje normalny obraz z obrazem przywróconym przez sztuczną inteligencję, ocenia stopień wytrenowania każdej cechy, takiej jak przybliżony kształt, szczegółowa struktura i tekstura, a także kontroluje rozmiar, kolor i liczbę nieprawidłowości, które mają zostać dodane, tak aby AI preferencyjnie uczy się funkcji, które nie zostały przechwycone. Na przykład, jeśli sztuczna inteligencja nie jest w stanie poprawnie przywrócić przybliżonego kształtu, trenuje z nieprawidłowymi obrazami z kilkoma małymi nieprawidłowościami, które nie wpływają na normalny wygląd. Ponadto, jeśli szczegóły i tekstura są nieco inne, sztuczna inteligencja trenuje z wieloma nienormalnymi obrazami, które są wystarczająco duże, aby przesłonić szczegóły lub dodać rzucający się w oczy wzór. W ten sposób, oceniając stan przywracania sztucznej inteligencji i szkolenie w słabych obszarach, w których sztuczna inteligencja nie może przywrócić funkcji, możliwe stało się przywrócenie normalnych obrazów, które uchwyciły wszystkie funkcje.

Ponadto Fujitsu opracowało nową technologię, która generuje materiały o różnych kształtach, rozmiarach i kolorach z biblioteki obrazów ponad 5000 rodzajów sztucznych obiektów i dodaje nieprawidłowości poprzez probabilistyczną zmianę liczby nieprawidłowości i pozycji, w jakiej się znajdują. są dodane.

Wyniki

Opracowana technologia osiągnęła wiodącą na świecie dokładność, z wynikiem AUROC (3) przekraczającym 98% w klasie produktów, które mają różnice w swoim normalnym wyglądzie, takich jak dywany z różnymi wzorami i kolorami futra na podstawie indywidualnych przypadków oraz płytki obwodów drukowanych z różnymi kształty okablowania na różnych częściach. Ponadto nie ma różnic w poszczególnych produktach, takich jak śruby i nakrętki, aw przypadku produktów, w których produkty bez wad mają jednolity wygląd, z powodzeniem zachowano również dokładność równoważną technologii konwencjonalnej (4).

Rzeczywista skuteczność tej technologii została zweryfikowana podczas procesu inspekcji w zakładzie Nagano firmy Fujitsu Interconnect Technologies, producenta sprzętu elektronicznego. Dzięki technologii udało się zredukować roboczogodziny potrzebne do kontroli płytek drukowanych o 25%.

Plany na przyszłość

W przyszłości Fujitsu będzie dalej rozwijać tę i inne pokrewne technologie, aby wspierać portfolio technologii sztucznej inteligencji Fujitsu „FUJITSU Human Centric AI Zinrai” i zamierza zastosować to nowe podejście do marki produkcyjnej Fujitsu „COLMINA”, która zapewnia transformację cyfrową (DX ) dla przemysłu wytwórczego.

(1) wiodąca na świecie dokładność:
Dokładność została osiągnięta dla AUROC w porównaniu z technologiami wymienionymi w rankingu porównawczym technologii wykrywania anomalii przy użyciu MVTec AD w klasie docelowej z różnicami w normalnym wyglądzie. Dane firmy na dzień 29 marca 2021 r.
(2) benchmark z wykorzystaniem danych publicznych:
Zbiór danych wykrywania anomalii MVTec oferowany przez MVTec.
(3) AUROC:
Obszar pod krzywą ROC. Miara wydajności modelu, który wykrywa nieprawidłowości. Przy maksymalnym wyniku 100%, im wyższy wynik na indeksie, tym lepsza wydajność modelu.
(4) technologia konwencjonalna:
Technologia wymieniona w rankingu porównawczym technologii wykrywania anomalii przy użyciu MVTec AD

O firmie Fujitsu

Fujitsu jest wiodącą japońską firmą z branży technologii informacyjnych i komunikacyjnych (ICT), oferującą pełną gamę produktów, rozwiązań i usług technologicznych. Około 130,000 100 pracowników Fujitsu wspiera klientów w ponad 6702 krajach. Wykorzystujemy nasze doświadczenie i siłę ICT do kształtowania przyszłości społeczeństwa wraz z naszymi klientami. Fujitsu Limited (TSE:3.9) odnotowało skonsolidowane przychody w wysokości 35 biliona jenów (3 miliardów USD) za rok obrotowy zakończony XNUMX marca
1, 2020. Więcej informacji można znaleźć na stronie www.fujitsu.com.

O firmie Fujitsu Laboratories

Założona w 1968 roku jako spółka zależna Fujitsu Limited, Fujitsu Laboratories Ltd. jest jednym z wiodących ośrodków badawczych na świecie. Dzięki globalnej sieci laboratoriów w Japonii, Chinach, Stanach Zjednoczonych i Europie organizacja prowadzi szeroki zakres badań podstawowych i stosowanych w obszarach usług nowej generacji, serwerów komputerowych, sieci, urządzeń elektronicznych i zaawansowanych materiałów. Aby uzyskać więcej informacji, zobacz: http://www.fujitsu.com/jp/group/labs/en/.

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