画像セットのコレクション

ViDi プロジェクトのために画像のコレクションプロセスを始める場合、ライン、日付、製品など別に画像のログを記録することをお勧めします。

ViDi のプログラミングにおいて最も重要な要素は、展開フェーズでソフトウェアに発生する可能性がある事象に基づいて、画像セットを作成することです。画像には、正確な判断を下すために、ViDi に必要なあらゆる情報を含める必要があります。目視検査によって欠陥を検査するため、部品を選定し、手動で傾け回転させる場合のシナリオを考えてみましょう。この場合、それら欠陥をキャプチャするため、角度のある画像または照明が必要となる可能性が示唆されます。

他には、人間の検査員が部品上のほこりや油脂を確認し、それらを取り除いて、手動でほこり/油脂を拭き取る場合のシナリオが考えられます。このようなほこり/油脂が欠陥と誤認識される可能性がある場合、ほこり/油脂について ViDi に学習させる必要があります。

この画像セットには、カメラによってキャプチャされる可能性のあるバリエーションの範囲をすべてを含める必要があります。この場合の目標は、データセットを正しく汎化することです。

汎化とは、学習時に使用されなかった新たに取得された画像で使用される場合、ツールがどのくらい効果的であるかを判断するディープラーニングの概念を指します。適切に汎化されたツールは、新しいデータでもパフォーマンスに優れています。このシナリオでは、ニューラルネットによって形成されたモデルは、初期学習セットに適合し、未確認の画像に見られる新しいデータについて考慮する必要があります。