1/13ページ
カタログの表紙 カタログの表紙 カタログの表紙
カタログの表紙

このカタログをダウンロードして
すべてを見る

ダウンロード(1.1Mb)

【食品検査のAI活用_Vol.4】AI画像判定の精度を高める3つのポイント

ホワイトペーパー

AIを導入してからが本番!設備や原材料、少しの変化や違いを見逃さないで!

これまでのホワイトペーパで
 ▪AI画像判定が食品製造と相性が良いこと(https://www.aperza.com/catalog/page/4433/62953/)
 ▪AI画像判定導入時には精度検証(PoC)が必要であり、その検証環境が重要であること(https://www.aperza.com/catalog/page/4433/62954/)
 ▪AIの導入で生み出される5つの効果(https://www.aperza.com/catalog/page/4433/62955/)     
についてご紹介しました。

しかし、AIを効果的に活用できるかどうかは、導入してからどのように運用していくかも重要となります。
導入後に「何を目指すのか」を明確にし、そのために、どのような運用をするか、あらかじめ計画を立てておくことがとても大切です。

本資料では、「AI画像判定導入後、どのような運用をすれば成果を最大化できるのか?」という点について、AI導入後、より効果的にシステムを運用するための3つのポイントをご紹介します。 

<目次>
・AI画像判定導入後の3つのポイント
・ポイント1【AI画像判定精度の向上】
・ポイント2【判定環境(設備)変化に対応】
・ポイント3【原材料変化に対応】
・追加学習を得意とするMMEyeのご紹介
・まとめ

--------------------------------------------------
<本ホワイトペーパーのシリーズはこちら>
【食品検査のAI活用_Vol.1】「省人化」と「高品質」を両立する方法(https://www.aperza.com/catalog/page/4433/62953/)
【食品検査のAI活用_Vol.2】AI画像判定導入を円滑に進める方法(https://www.aperza.com/catalog/page/4433/62954/)
【食品検査のAI活用_Vol.3】AI導入による5つの効果(https://www.aperza.com/catalog/page/4433/62955/)
【食品検査のAI活用_Vol.4】AI画像判定の精度を高める3つのポイント(https://www.aperza.com/catalog/page/4433/63886/)

このカタログについて

ドキュメント名 【食品検査のAI活用_Vol.4】AI画像判定の精度を高める3つのポイント
ドキュメント種別 ホワイトペーパー
ファイルサイズ 1.1Mb
登録カテゴリ
取り扱い企業 株式会社YE DIGITAL (この企業の取り扱いカタログ一覧)

このカタログの内容

Page1

スライド番号 1

食品業界の方必見! AI画像判定の精度を高める 3つのポイント AIを導入してからが本番! 設備や原材料、少しの変化や違いを見逃さないで!
Page2

目次

目次  はじめに 2  AI画像判定導入後の3つのポイント 3  ポイント1【AI画像判定精度の向上】 4  ポイント2【判定環境(設備)変化に対応】 6  ポイント3【原材料変化に対応】 8  追加学習を得意とするMMEyeのご紹介 10  まとめ 11 1
Page3

はじめに

はじめに これまでのホワイトペーパで ▪AI画像判定が食品製造と相性が良いこと ▪AI画像判定導入時には精度検証(PoC)が必要であり、その検証環境が重要であること ▪AIの導入で生み出される5つの効果 についてご紹介しました。 関連資料はこちらから しかし、AIを効果的に活用できるかどうかは、導入してからどのように運用していくかも重要となります。 導入後に「何を目指すのか」を明確にし、そのために、どのような運用をするか、あらかじめ計画を立てておく ことがとても大切です。 本資料では、「AI画像判定導入後、どのような運用をすれば成果を最大化できるのか?」という点につい て、AI導入後、より効果的にシステムを運用するための3つのポイントをご紹介します。 2
Page4

AI導入後の3つのポイント

AI導入後の3つのポイント 「AIは学習し成長する」といわれますが、AIは自動で賢くなるわけではありません。 運用にあたり、次の3つのポイントをおさえ、「変化に合わせて手を加える」ことが重要となります。 1.AI画像判定精度の向上 2.判定環境(設備)変化への対応 3.原材料の変化への対応 では、3つのポイントをおさえ、どのような対応をすればよいのかについて さらに詳しくご説明していきます! 3
Page5

ポイント1【AI画像判定精度の向上】

ポイント1【AI画像判定精度の向上】 まず、AI画像判定の導入に当たって、次の手順で進めるお客様が多く、使いながら精度向上を図ります。 AI画像判定導入の手順 ステップ1 ステップ2 メイン製品の導入 追加学習で精度向上 メイン製品の不良品データを豊富に集めて、 運用しながら、 しっかりAIに学習させ判別モデルを作成 発生頻度がまれな不良品パターンを収集し AIに追加学習させる AIは学習させればさせるほど、精度が向上するため、学習データを増やしていくことが重要です。 4
Page6

ポイント1【AI画像判定精度の向上】

ポイント1【AI画像判定精度の向上】 ◆AI導入の際、さらなる精度向上を目指すために ステップ1 ステップ2 メイン製品の導入 の際に 追加学習で精度向上 の際に • AI導入時に判別モデルの作成方法 まれな不良品パターンに加え、運 や実際の現場での活用方法を把握 用で蓄積されたデータを定期的に • 現場の方が判別モデルを作成できる 追加し、判別モデルを更新する 仕組みを作る 1. AI画像判定精度の向上 のために ▪現場の方も、判別モデルの作成方法や活用方法をご理解いただく。 ▪AI画像判定を運用しながら、蓄積されたデータを定期的に追加学習させ、判別モデルの精度を 向上させる。 5
Page7

ポイント2【判定環境(設備)変化に対応】

ポイント2【判定環境(設備)変化に対応】 判別モデルの精度向上以外にも設備・判定環境のメンテナンスが必要です。 経年により劣化していく設備・判定環境の例を、以下(例.1)と(例.2)でご紹介します。 (例.1) 導入時 数年後 黄色く変色したり黒ずんでくるコンベヤーベルト (例.2) 導入時 数年後 照明の照度が低下してくる撮影環境 6
Page8

ポイント2【判定環境(設備)変化に対応】

ポイント2【判定環境(設備)変化に対応】 ◆判定環境(設備)変化による問題点 判別モデルを作成したときと環境が異なると、判定精度が低下する可能性があります。 (例.1)経年によるコンベヤーベルトの変色 (例.2)経年による照明の照度低下 正常品を「焼きすぎ」と判断してしまう可能性 当初の判別モデルでは 対応できなくなり、 数年経過 このような異物を見逃す 誤認識につながる可能性 「正常品」 「焼きすぎ」 2. 判定環境(設備)変化に対応 するために ▪現環境で新しく判別モデルを作成する。 ▪コンベヤーベルトの汚れを取り、運用開始時の「綺麗さ」を保つ。 ▪設備の更新を適切なタイミングで実施して、判定精度を高く維持する。 7
Page9

ポイント3【原材料変化に対応】

ポイント3【原材料変化に対応】 また、判別モデルの作成には大量のデータを必要としますが、多くのデータを集めることが困難な場合があります。 ◆判別モデル作成のための大量データ収集が困難な例 野菜や果物などを用いた加工食品など、時期によって原材料の産地・種類がその都度変わる場合。 ◆原材料変化による問題点 原材料の変化は、軽微で 原材料が変わるたびに 毎回一から判別モデルを作成 ありながらもこれを無視すると 新しい判別モデルを作成 すると、非常に手間がかかり、 判定精度が低下 しなければならない 現場の負担になってしまう このような原材料変化による問題は、AIに「追加学習」させ、判別モデルを更新することで解決します! 8
Page10

ポイント3【原材料変化に対応】

ポイント3【原材料変化に対応】 ◆AIの「追加学習」による手間削減の例 何百枚ものデータを収集し、 産地の変化に合わせ、 判別モデルを作成する 判別モデルに「追加学習」させ 産地の変化にも対応する (ベースとなる判別モデル) 判別モデル更新 判別モデルが完成! トマトの形が縦長 でもOKとする 良品 欠け 汚れ 判別モデル2 判別モデル1 判別モデル2 良品 欠け 汚れ 3. 原材料変化に対応 するために ▪ベースとなる判別モデルを作成し、AIに追加学習させることでさまざまなバリエーションに対応する。 (ご当地バリエーションにも適用) 9
Page11

追加学習を得意とする         のご紹介

追加学習を得意とする のご紹介 これまでのスライドで、AI導入後、より効果的にシステムを運用するには「AIに追加学習させる」ことが重要である とご説明しました。 当社が提供するAI画像判定サービス「 」では、人の知見の追加学習機能を搭載しています。そのため、AI 判定結果に人による判断結果を追加学習させることで、熟練スタッフのノウハウを学習させることができます。 ◆システム構成イメージ 検査 学習用 クラウド 画像データ データ蓄積&学習 ・画像取得 ・判別 ・判別モデル作成 ・追加学習 ・モデル管理 エッジ端末 ・ログ送信 ・画像閲覧 (GPU搭載)・判別結果表示 ・データ自動分類 判別モデル このように、熟練スタッフのノウハウ等をAIに繰り返し追加学習させることで、導入後、AI画像判定精度を向上させることが できます! 10
Page12

まとめ

まとめ AI導入後の運用ポイントは、以下3つをおさえ、将来的な活用・展開イメージを明確にし、 それに向けて部分的・段階的に進めることです。 1. AI画像判定精度の向上 2. 判別環境(設備)変化への対応 3. 原材料の変化への対応 どの工場でも生産や現場への影響を考え、AIを活用した自動化が一気に導入されることはありません。 AI導入後、最終的に何を目指すのかを明確にし、一つずつ着実に導入を進めることで、結果的に 効率の良い導入や活用に繋がるのです。そして、AI活用の効果を十分に感じていただけたらと思います。 11
Page13

スライド番号 13

お問い合わせ先 株式会社YEデジタル マーケティング本部 〒802-0003 福岡県北九州市小倉北区米町2-1-21 ✉ marke@ye-digitial.com https://www.ye-digital.com ぜひお気軽にご相談ください