人の感覚に合わせた分類
人が分類する際に着目しているポイントをヒアリングし、その特徴を捉える処理を組み合わせることでデータセットへの過学習を防ぎます。
性能の可視化・数値化
特徴量空間で判定根拠を可視化しながらチューニングが可能です。また判定信頼度のスコア化により精度確認も容易です。
モデル作成・メンテはお任せ
お客様の作業は画像のラベル付のみ。弊社にてモデル作成・メンテナンスを請け負います。実行ソフトウェアはモデル更新でアルゴリズムも変更可能です。
欠陥画像分類処理
- お客様にてご用意いただいたラベル付き画像と、分類する際の着目ポイントに関するヒアリングをもとに弊社にてモデルを作成いたします。
- 人が分類する際の基準に合わせた前処理＋HLAC特徴量抽出を行うことで分類性能を高めるアプローチとなります。
- 現状、特徴量抽出を画像全体で行う仕様のため、背景（母材）にパターンがある場合・画像に対して欠陥が小さい場合は、欠陥以外の特徴が精度悪化につながる可能性があるため欠陥部位をトリミングしてご用意いただくことを推奨します。
欠陥画像分類（例）
- テストサンプルを作成、実行した結果となります。
- 形状特徴によるシンプルな分類・特徴量空間での結果の可視化は、誤答となった画像を確認すると他の不良モードが同時に発生しているなど納得感があることが多く、その後の方策の検討に役立ちます。
欠陥画像分類ソフトウェア
- 弊社にて作成した分類モデルを実行するソフトウェア（Windows版/バッチ処理対応）をご用意しています。
- 現在ベータ版でのご提供のため、ご利用に際してはご不便をおかけすることがございます。あらかじめご承知おきください。
分類実行
プリント基板のメッキ不良
