特許ウォッチ

公開番号2024084345
公報種別公開特許公報(A)
公開日2024-06-25
出願番号2022198564
出願日2022-12-13
発明の名称ゴム組成物の分析方法及び学習済みモデルの生成方法
出願人住友ゴム工業株式会社,日本電気株式会社
代理人個人,個人
主分類G06V 10/82 20220101AFI20240618BHJP(計算;計数)
要約【課題】ゴム組成物に含まれる配合物に対応する領域を、当該ゴム組成物の顕微鏡画像において適切に画定するための分析方法等を提供する。
【解決手段】ゴム組成物の分析方法は、以下のことを含む。(1)ゴム組成物を顕微鏡で撮影した顕微鏡画像であって、前記ゴム組成物に含まれる配合物が現れた顕微鏡画像から生成した入力データを取得すること。(2)前記入力データを、学習済みの機械学習モデルに入力すること。(3)前記学習済みの機械学習モデルから出力データを導出すること。なお、前記出力データは、前記配合物に対応して前記顕微鏡画像に現れる領域を画定するデータである。
【選択図】図3
特許請求の範囲【請求項１】
ゴム組成物を顕微鏡で撮影した顕微鏡画像であって、前記ゴム組成物に含まれる配合物が現れた顕微鏡画像から生成した入力データを取得することと、
前記入力データを、学習済みの機械学習モデルに入力することと、
前記学習済みの機械学習モデルから出力データを導出することと
を含み、
前記出力データは、前記配合物に対応して前記顕微鏡画像に現れる領域を画定するデータである、
ゴム組成物の分析方法。
続きを表示（約 1,100 文字）【請求項２】
前記出力データに基づいて、前記ゴム組成物の構造及び物性の少なくとも一方に関する特徴量を導出すること
をさらに含む、
請求項１に記載の分析方法。
【請求項３】
前記学習済みの機械学習モデルは、セグメンテーションモデルとして構成される、
請求項１または２に記載の分析方法。
【請求項４】
前記学習済みの機械学習モデルは、アテンションネットワーク、ＳｅｇＮｅｔ、特徴ピラミッドネットワーク、ＵＮｅｔ、ＰＳＰＮｅｔ、ＴｒａｎｓＮｅｔ、及びＴｒａｎｓＵＮｅｔからなる群から選択されるモデル、または前記群から選択されるモデルをベースとするモデルとして構成される、
請求項３に記載の分析方法。
【請求項５】
前記学習済みの機械学習モデルは、ＴｒａｎｓｆｏｒｍｅｒエンコーダとＵＮｅｔエンコーダとを含むモデルとして構成される、
請求項４に記載の分析方法。
【請求項６】
前記入力データを学習済みの機械学習モデルに入力することは、前記入力データに基づくデータを前記Ｔｒａｎｓｆｏｒｍｅｒエンコーダに入力することと、前記入力データを前記ＵＮｅｔエンコーダに入力することとを含む、
請求項５に記載の分析方法。
【請求項７】
前記顕微鏡は、反射電子顕微鏡である、
請求項１または２に記載の分析方法。
【請求項８】
前記特徴量は、前記配合物の分散状態、前記配合物が形成する組織の形状及び前記配合物が形成する組織のサイズの少なくとも１つに関する、
請求項２に記載の分析方法。
【請求項９】
前記特徴量は、前記ゴム組成物の粘度、硬度、トルエン膨潤指数、比重、ガラス転移温度（Ｔｇ）、温度分散（ＴＤ）、モジュラス、引張強さ、伸び、貯蔵弾性率、及び損失弾性率の少なくとも１つに関する、
請求項２に記載の分析方法。
【請求項１０】
ゴム組成物を顕微鏡で撮影した顕微鏡画像であって、前記ゴム組成物に含まれる配合物が現れた顕微鏡画像から生成される第１データと、前記配合物に対応して前記顕微鏡画像に現れる領域を画定する第２データとが複数組み合わせられた学習用データを準備することと、
前記学習用データを、訓練用データと検証用データとに分割することと、
前記訓練用データを用いて、前記第１データに対応するデータを入力すると、前記第２データに対応するデータが出力されるように、機械学習モデルを定義するパラメータを調整することと
を含む、
学習済みモデルの生成方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、ゴム組成物の分析方法及び学習済みモデルの生成方法に関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
従来、ゴム組成物についての知見を深めるべく、ゴム組成物を顕微鏡により撮影し、得られた顕微鏡画像を解析するための技術が提供されている。例えば特許文献１は、ゴム組成物の顕微鏡画像から、当該顕微鏡画像の特徴を示す指標を算出し、これに基づいてゴム組成物の特性を推定する技術を開示する。
【先行技術文献】
【特許文献】
【０００３】
特開２０１９－０２１０３７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に開示の技術では、ゴム組成物の顕微鏡画像から算出される特徴ベクトルと、ゴム組成物の特定の特性とが関連付けられている。一方、ゴム組成物の顕微鏡画像には、ゴム組成物に含まれる配合物が輝度の差として現れており、ゴム組成物の物性や構造に対する定量的なデータを抽出すべく、特定の配合物に対応する領域をまず区別したい場合がある。しかしながら、ゴム組成物の顕微鏡画像において、このような領域を適切に画定することは容易ではなく、そのような技術はこれまで提供されてこなかった。
【０００５】
本発明は、ゴム組成物に含まれる配合物に対応する領域を、当該ゴム組成物の顕微鏡画像において適切に画定するためのゴム組成物の分析方法、及び学習済みモデルの生成方法を提供することを目的とする。
【課題を解決するための手段】
【０００６】
第１観点に係るゴム組成物の分析方法は、以下のことを含む。
（１）ゴム組成物を顕微鏡で撮影した顕微鏡画像であって、前記ゴム組成物に含まれる配合物が現れた顕微鏡画像から生成した入力データを取得すること
（２）前記入力データを、学習済みの機械学習モデルに入力すること
（３）前記学習済みの機械学習モデルから出力データを導出すること
なお、前記出力データは、前記配合物に対応して前記顕微鏡画像に現れる領域を画定するデータである。
【０００７】
第２観点に係る分析方法は、第１観点に係る分析方法であって、前記出力データに基づいて、前記ゴム組成物の構造及び物性の少なくとも一方に関する特徴量を導出することをさらに含む。
【０００８】
第３観点に係る分析方法は、第１観点または第２観点に係る分析方法であって、前記学習済みの機械学習モデルは、セグメンテーションモデルとして構成される。
【０００９】
第４観点に係る分析方法は、第１観点から第３観点のいずれかに係る分析方法であって、前記学習済みの機械学習モデルは、アテンションネットワーク、ＳｅｇＮｅｔ、特徴ピラミッドネットワーク、ＵＮｅｔ、ＰＳＰＮｅｔ、ＴｒａｎｓＮｅｔ、及びＴｒａｎｓＵＮｅｔからなる群から選択されるモデル、または前記群から選択されるモデルをベースとするモデルとして構成される。
【００１０】
第５観点に係る分析方法は、第１観点から第４観点のいずれかに係る分析方法であって、前記学習済みの機械学習モデルは、ＴｒａｎｓｆｏｒｍｅｒエンコーダとＵＮｅｔエンコーダとを含むモデルとして構成される。
（【００１１】以降は省略されています）

関連特許