解析 (赤) フォーカスアンスーパーバイズド

解析 (赤) アーキテクチャの概要

解析 (赤) ツールは、画像の検査、欠陥ピクセルの検出、欠陥画像と正常画像の区別、あるいはその逆を行うために使用されます。解析 (赤) ツールには、フォーカス (フォーカススーパーバイズド、フォーカスアンスーパーバイズド) と High Detail の 2 種類のアーキテクチャがあります。

 

• 解析 (赤) フォーカススーパーバイズド は、欠陥や他の対象領域などの特定の領域をセグメンテーションするために使用します。欠陥または対象領域のさまざまな外観を学習するだけで、鋳物のブローホールやコンベア上の傷付いた野菜など、多くの問題を識別できます。スーパーバイズド (赤) ツールを学習させるには、検出する欠陥領域の種類の画像を準備するだけです。

• 解析 (赤) フォーカスアンスーパーバイズド は、画像の異常や外観上の欠陥を検出するために使用します。著しくても許容可能なばらつきを含むオブジェクトの正常な外観を学習するだけで、模様のある表面の傷、不完全または不適切なアセンブリ、または繊維の織りの問題など、多くの問題を識別できます。アンスーパーバイズド (赤) ツールを学習させるには、良好なオブジェクトの画像を準備するだけです。

• 解析 (赤) High Detail は、解析 (赤) フォーカス - スーパーバイズドのセグメンテーションパフォーマンスをより強化したバージョンですが、学習速度と処理速度が多少低下します。セグメンテーションタスクで独自の学習アーキテクチャを使用しているため、解析 (赤) フォーカス - スーパーバイズドと比較して高いパフォーマンスが得られます。

 

解析 (赤) フォーカスアンスーパーバイズド について

解析 (赤) フォーカスアンスーパーバイズド では、解析 (赤) ツールは良好なパーツの外観のみ (すべての許容されるバリエーションを含む) を学習の対象とするため、学習した通常の外観からの異常を検出します。したがって、このツールでは対象となるオブジェクトの簡素な検査が試みられます。選択性と特異性の両方の点において異常を検出するツールの能力は、モデルのコンパクトさに大きく依存します。たとえば、1 つのパーツに異なるタイプや向きが存在する場合、そのコンパクトさの度合いは低くなり、異なるタイプや向きによって生じるパーツの曖昧さによってツールが特定の異常を検出できなくなる場合があります。

解析 (赤) ツールがフォーカスアンスーパーバイズドモードのときは、良好な部品がどのような外観を持っているかをネットワークに学習させることに焦点が当てられます。したがって、学習中は主に、部品の良好/合格画像 (すべての許容されるバリエーションを含む) を提示することに集中します。ただし、テストおよび検証フェーズでは、ラベル付けされた不合格画像を含めることも重要です。そうすると、学習後にツールが欠陥をどの程度正確に検出しているかを判断できます。次に、ランタイム中に部品が提示され、以前に学習されたものから逸脱していることが検出された場合は、部品が不良であると考えられることが示されます。

 

サポートされている機能とアーキテクチャ

機能 \ アーキテクチャ	解析 (赤) フォーカススーパーバイズド, 解析 (赤) フォーカスアンスーパーバイズド	解析 (赤) High Detail
損失のインスペクタ	サポートされていません	サポートしています
検証セット	学習で使用しない	学習で使用
VisionPro Deep Learning ツールのパラメータ	パラメータが少ない	制御するためのパラメータが多い*、 サンプリングパラメータなし

* 学習の詳細な制御ときめ細かな調整のために学習および摂動のパラメータが多い

 

解析 (赤) フォーカスアンスーパーバイズド のための学習ワークフロー

解析 (赤) ツールが 解析 (赤) フォーカスアンスーパーバイズド モードの場合、ツールの学習ワークフローは次のとおりです。

 

1. VisionPro Deep Learning を起動します。
2. 新しいワークスペースを作成するか、既存のワークスペースを VisionPro Deep Learning にインポートします。
3. 画像を収集し、VisionPro Deep Learning に読み込みます。
4. ROI (対象領域) を定義してビューを構築します。
   1. 位置決め (青) ツールからのポーズをビューの向きを変えるために使用 (解析 (赤) ツールへの入力として使用) している場合は、画像を処理してから解析 (赤) ツールを開きます ([はさみ] アイコンを押す)。詳細については、「位置決め (青) ツールの後の ROI オプション」を参照してください。

   2. 必要に応じて、対象領域 (ROI) を調整します。表示領域内で右クリックし、メニューから [ROI の編集] を選択します。

      

   3. ROI を調整した後、[適用] ボタンを押すと、調整した ROI がすべての画像に適用されます。
   4. ツールバーの [閉じる] ボタンを押して続行します。
5. 画像に無関係な情報がある場合は、適切なマスクを追加して画像のそれらの領域を除外します。表示領域内で右クリックし、メニューから [マスクの編集] を選択します。

   1. [マスク] ツールバーから、適切なマスクを選択して編集します。

      

   2. 必要なマスクを追加した後、[適用] ボタンを押すと、現在の画像にマスクが適用されます。

      必要なマスクを追加した後、[すべて適用] をクリックし、次の [マスクの適用] ダイアログで [はい] ボタンをクリックすると、すべての画像に同じマスクが適用されます。ダイアログで [いいえ] をクリックすると、マスクは適用されず、[マスクの編集] ウィンドウに戻ります。

      

   3. ツールバーの [閉じる] ボタンを押して続行します。
6. すべての画像を調べて、画像に「良好」または「不良」としてラベル付けします。すべての画像がラベル付けされたことを確認します。ラベル付けの詳細については、「ラベルの作成 (ラベル付け)」を参照してください。
7. 画像全体を学習画像とテスト画像に分割します。画像セットを活用して、学習とテストグループに適切に分けます。学習セットに画像を追加します。
   1. ビューブラウザで画像を選択し、右クリックのポップアップメニューで [ビューを学習セットに追加する] をクリックします。ビューブラウザで複数の画像を選択するには、Shift を押しながらマウスの左ボタンをクリックします。
   2. または、表示フィルタを使用して、学習対象の画像のみを表示し、[... ビューのアクション] → [ビューを学習セットに追加する] の順にクリックして、これらを学習セットに追加します。
8. 学習の前に、[ツールのパラメータ] でパラメータを設定する必要があります。学習、サンプリング、および摂動パラメータを設定することも、これらのデフォルト値を使用することもできます。サポートされているパラメータの詳細については、「ツールのパラメータの設定」を参照してください。
   1. 特徴のサイズパラメータが設定されていることを確認します。特徴のサイズパラメータは、ネットワークに、検出する対象欠陥のサイズのヒントを与えます。そのため、特徴のサイズパラメータの設定がアプリケーションの欠陥より大きいと、ツールが画像内の欠陥を識別しない可能性が高くなります。
   2. 特徴のサイズを設定するには、パラメータ値を手動で調整するか、または特徴のサイズの対話型グラフィックスでサイズを変更します。
   3. 学習や処理をより細かく制御するには、[ヘルプ] メニューの [エキスパートモード] をオンにして、ツールパラメータの追加パラメータを初期化します。
9. [ブレイン] アイコンを押して、ツールを学習させます。
   1. 途中で [停止] アイコンを押して学習を停止すると、学習は停止されますが、それまでに学習させた現在のツールは失われます。

10. 学習させた後、結果を確認します。[データベースの概要] パネルを開き、[カウント] ドロップダウンリストでカテゴリを切り替えて、得点/ROC グラフ、コンフュージョンマトリックス、およびその F1 値を確認します。結果の解釈の詳細については、「結果の解釈」を参照してください。

11. 結果を確認した後、すべての画像を調べて、ツールが画像の欠陥をどのように正しくマークしているか、または正しくマークしていないかを確認します。
    1. ツールが特徴を正しくマークしている場合は、画像を右クリックして [ビューの受け入れ] を選択します。
    2. 欠陥が正しくマーキングされていないか、または欠陥があることを識別できない場合は、次のステップに従います。
       1. 画像を右クリックして、[ビューの受け入れ] を選択します。
       2. 画像を再度右クリックして、[マーキングとラベルのクリア] を選択します。
       3. 欠陥のある画像に手動でラベル付けします。
    3. 処理を制御して結果を調整するには、処理パラメータを操作し、[虫眼鏡] アイコンをクリックして再処理して、変更後の結果を取得することができます。たとえば、T1 と T2 で指定される決定境界を変更するには、しきい値パラメータを操作します。
    4. (a.) のシナリオの場合は、ツールを使用する準備が整っています。(b.) のシナリオの場合は、ツールを再度学習させて、ステップ 8 ～ 11 を繰り返す必要があります。

 

各ステップの詳細は、「解析 (赤) フォーカスアンスーパーバイズド の学習」の各サブセクションで説明します。