このコーナーでは、製造業向けＡＩの最新研究をお届けしていきます。サクッと業界のトレンドにキャッチアップしましょう！今回のトピックスは「検査」に関わる以下の５つです！

今週のラインナップ
1. 欠陥検出のためのモデル軽量化
2. 宇宙機部品の亀裂を分類
3. オンライン機械学習によるハンマー音の解釈
4. 軸受けの欠陥検査のためのCNNモデル
5. 絶縁体の状態検出のためのCNNモデル

バックナンバーはこちら

欠陥検出のためのモデル軽量化

テクスチャ表面の欠陥検査は、多くの加工段階で発生する問題です。任意の長さ、形状、配向で、欠陥が発生します。

CNNはこのような欠陥を精度良く検出できるような目覚ましい発展を遂げています。しかし、検出精度が向上する一方で、計算コストや処理リソース大きいという欠点があり、携帯電話のようなリソースが限られた環境でのCNNの利用を妨げる要因となっています。

インドの研究チームは、生の画像データベースのパッチ統計情報を2層のニューラルネットワークに結合して、表面欠陥検出に用いる新しい低コストなフレームワークを提案しました。

実験の結果、提案手法は時間とコストの削減という点で多くのメリットがあると示されました。

元論文：Deep Convolution Neural Network Approach for Defect Inspection of Textured Surfaces

関連記事▶︎　非ディープラーニングで金属の欠陥を高精度検知（中国）【AI論文】

宇宙機部品の亀裂を分類