AISIA Anomaly Detection

クラウドで学習し、エッジで異常判定

学習プロセスは、学習環境が整備されているクラウドMicrosoft Azure Learning Serviceを使っており、学習済の分類器は、Azure IoT Hub/Edgeを使って簡単にエッジコンピュータに格納できます。
エッジでは、製造ライン上の製品をカメラで撮影し、動画の中の製品（オブジェクト）を自動検知した上で、分類器によって正常異常を判定します。異常検知状況はリアルタイムにモニタリングできるほか、人が介在して正常異常の最終確認を行ったり、異常個所にヒートマップ（印）を付けたりできます。

クラウドにデータを上げたくない場合は、ローカル環境でも学習できます。

「正常のみ学習」と「正常異常の両方学習」の2つのモデルに対応

正常品のみ学習するモデルでは、生成モデルを利用し、当社独自技術のChameleon filterを使ってノイズと異常を高精度で見分けて異常箇所をヒートマップ表示します。
正常異常の両方を学習するモデルでは、畳み込みニューラルネットワーク(CNN)を使って高精度な判定が行えます。転移学習や水増しなどの技術により、少ない学習データで学習できる仕組みを標準装備していますので、異常品のデータが少なくても対応できます。

トータルサポート

異常検知では、カメラや照明、フィルタや拡散板などハードウェアも非常に重要です。また、エッジコンピュータも必ずしもGPUだけが解ではなく、判定処理はCPUでも十分なパフォーマンスを得られる場合もあります。当社は、それぞれの専門企業と連携して、ニーズに合ったコストパフォーマンスがよいハードウェアを選定します。

クラウドで学習し、エッジで異常判定するモデル

・学習は、学習に最適な環境が整備されているMicrosoft Azure Machine Learning Serviceを利用。
・異常検知処理は、高速リアルタイムに判定できるエッジコンピュータでAI判定。

(1) 学習プロセス

クラウドで学習させたAIモデル（分類器）をAzure IoT Hub/Edgeを使ってEdgeサーバーに配布します。

(2) 判定プロセス

オブジェクト検出AIで認識したオブジェクト（製品）を分類器（AI）で正常/異常判定します。