Zebra Aurora™ Deep Learning　ディープラーニング開発環境ツール 株式会社バリッジ

社内でAI外観検査を安価に自動化 画像を読み込むだけで簡単に開発 このアドオン製品は、従来の画像処理アルゴリズムでは解決が困難な問題に対応するために、Aurora™ Vision Studioをさらに強化するために使用できる産業品質の深層学習ツールです。 特徴・異常検出、高度な光学的文字認識 (OCR) 技術、ディープラーニング機能を組み合わせることで、実際の現 場での画像情報の使われ方をシステムが認識し、それに合わせてシステムを進化させることができます。 Aurora™Deep Learning は、Zebra社の研究チームが産業用検査システム用に設計・最適化した大規模なニュー ラルネットワークを使用しています。 ・わずかなサンプル数から学習 一般的なアプリケーションでは、学 習用に20枚から50枚の画像で学習 ができます。 より多くのサンプル画像があった方 がより良いですが、Aurora™ Deep Learningソフトウェアは、 限られたトレーニングセットから主 要な特性を学習し、効果的なトレー ニングのために新たにシステムがサ ンプルを数千枚生成する機能が備 わっています。 ・GPUとCPUで動作 効果的なトレーニングのためには、 最新のGPUが必要です。 実機では、GPUとCPUのどちらか を使用することができます。 GPUを使用すると、CPUに比べて 通常3～10倍速くなります。 (オブジェクト分類は例外で、CPU でも同等の速さです) 。 ・高いパフォーマンスを保証 GPUでの典型的な学習時間は、通常 5-15分です。 推論時間は、ツールやハードウェア によって異なり、1画像あたり5ms から100ms程度です。 当社の産業用推論エンジンである Aurora™ Weaverを使用すること で、最高のパフォーマンスを保証し ます。 Application Examples ・特徴検知 (教師ありモード) 学習画像内の欠陥に対応するピクセルを指定 (ラベル付け) して学習する方式です。精度よく検知できます。 ・異常検知 (セミ教師無しモード) 学習はよりシンプルになります。欠陥は厳密に定義されませんが、良 いサンプルのみで学習され、良品からの逸脱を探します。 Aurora™ Deep Learningは、2つの方法を提供しています。1つ目は 画像再構成技術を使用し、2つ目は入力画像のあらゆる部分の1クラス 分類を実行します。高精度の欠陥ヒートマップが必要な場合は、計算 時間を犠牲にしてでも、最初の方法をお勧めします。 ・物体分類 従来の画像処理では難しい分類も可能になりました。 ・インスタンス セグメンテーション インスタンス分割は、画像内の単一または複数のオブジェク トの位置を特定し、分割、分類するために使用されます。特 徴検出とは異なり、個々のオブジェクトを検出するため、オ ブジェクトが接触したり重なったりしても分離することがで きます。 ・ポイントローケーション 入力画像上でポイントとして識別可能な特定の形状、特徴、 またはマークを探します。従来のテンプレートマッチングと 比較されるかもしれませんが、このツールは複数のサンプル で学習されるため、対象物の大きな変動に対してロバスト性 が高くなります。 ・OCR (Optical Character Recognition) Aurora™ Deep Learningに含まれる文字認識 (OCR) 機 能は、複雑で不均一な背景、ぼやけた文字、損傷した文字、 歪んだ文字、不明瞭な文字、反射する金属表面などにより、 従来のOCR技術を使用できないような、難しい文字認識プ ロジェクトに対する答えとなります。 このツールには、数千の異なる画像サンプルを使用して事前 に学習させたすぐに使えるニューラルネットが付属していま す。 このツールは、非常に難しいケースを扱う場合でも、すぐに 最大 97% の精度を達成することができ、ユーザーはマシン ビジョンの専門知識を必要とせず、わずか数ステップで堅牢 な OCR アプリケーションを作成することができます。