特許ウォッチ

公開番号2024131103
公報種別公開特許公報(A)
公開日2024-09-30
出願番号2023041158
出願日2023-03-15
発明の名称検査システムおよび検査プログラム
出願人大阪瓦斯株式会社
代理人弁理士法人R&C
主分類G06N 20/00 20190101AFI20240920BHJP(計算;計数)
要約【課題】検査精度を向上させることのできる入力データを容易に選択することを目的とする。
【解決手段】入力データ16が入力されると所定の検査を行うように生成された学習済みモデル15と、入力データ16を取得するデータ取得部8と、入力データ16を学習済みモデル15に入力することにより検査を実行し、入力データ16に対する検査結果18および検査結果18の信頼度27を出力する検査実行部9と、信頼度27から入力データ16を用いて学習済みモデル15を再学習する必要性を示す優先度28を算出する優先度算出部12と、検査結果18および優先度28を表示する表示部13とを備える。
【選択図】図1
特許請求の範囲【請求項１】
入力データが入力されると所定の検査を行うように生成された学習済みモデルと、
前記入力データを取得するデータ取得部と、
前記入力データを前記学習済みモデルに入力することにより前記検査を実行し、前記入力データに対する検査結果および前記検査結果の信頼度を出力する検査実行部と、
前記信頼度から前記入力データを用いて前記学習済みモデルを再学習する必要性を示す優先度を算出する優先度算出部と、
前記検査結果および前記優先度を表示する表示部とを備える検査システム。
続きを表示（約 1,700 文字）【請求項２】
前記表示部は、前記優先度があらかじめ定められた閾値より大きい場合に、前記優先度を表示する請求項１に記載の検査システム。
【請求項３】
前記表示部は、前記優先度があらかじめ定められた閾値より大きい場合に、前記優先度が前記閾値より大きいことが識別できる態様で前記優先度を表示する請求項１に記載の検査システム。
【請求項４】
前記検査結果の適否を示す正解ラベルの入力を受け付ける入力部と、
前記正解ラベルと、前記正解ラベルに対応する前記入力データとが紐づけられた再学習用データを機械学習することにより、前記学習済みモデルを更新する再学習部とをさらに備え、
表示された前記優先度から前記優先度に対応する前記入力データを用いた前記再学習の必要性が判断され、前記再学習が必要だと判断された前記入力データの前記正解ラベルを前記入力部で受け付けることにより、前記再学習用データを機械学習して前記学習済みモデルを更新する請求項１から３の何れか一項に記載の検査システム。
【請求項５】
前記検査結果および前記優先度が表示される度に、前記検査結果の適否を示す正解ラベルの入力を受け付ける入力部と、
前記正解ラベルと、前記正解ラベルに対応する前記入力データとが紐づけられた再学習用データを記憶する記憶部と、
前記再学習用データを機械学習することにより、前記学習済みモデルを更新する再学習部とをさらに備え、
前記表示部は、前記記憶部に記憶された前記再学習用データを表示することができ、
前記入力部は、前記表示部に表示された前記再学習用データから前記再学習に用いる前記再学習用データを選択する操作を受け付けることができ、
前記再学習部は、選択された前記再学習用データを機械学習して前記学習済みモデルを更新する請求項１から３の何れか一項に記載の検査システム。
【請求項６】
前記検査結果の適否を示す正解ラベルの入力を受け付ける入力部と、
再学習用データを記憶する記憶部と、
前記正解ラベルと、前記正解ラベルに対応する前記入力データとが紐づけられた前記再学習用データを機械学習することにより、前記学習済みモデルを更新する再学習部とをさらに備え、
前記検査結果および前記優先度が表示される度に前記表示部に表示された前記検査結果および前記優先度に対応する前記入力データを前記再学習に用いるか否かが判断され、前記入力部は、前記再学習に用いると判断された前記入力データに対する前記正解ラベルの入力を受け付け、入力された前記正解ラベルと前記正解ラベルに対応する前記入力データとが紐づけられた前記再学習用データを前記記憶部に記憶させ、
前記再学習部は、前記記憶部に記憶された前記再学習用データを機械学習して前記学習済みモデルを更新する請求項１から３の何れか一項に記載の検査システム。
【請求項７】
前記学習済みモデルは、所定の学習用データが機械学習されて生成され、あらかじめ前記データ取得部から取得される請求項４に記載の検査システム。
【請求項８】
前記検査は作業中の作業者が適切に保護具を装着して前記作業を行っているか否かを判定する装着検査であり、
前記入力データは、前記作業者の前記作業中の作業状況を撮影した撮影画像である請求項１に記載の検査システム。
【請求項９】
入力データを取得するデータ取得機能と、
前記入力データが入力されると所定の検査を行うように生成された学習済みモデルに前記入力データを入力することにより前記検査を実行し、前記入力データに対する検査結果および前記検査結果の信頼度を出力する検査実行機能と、
前記信頼度から前記入力データを用いて前記学習済みモデルを再学習する必要性を示す優先度を算出する優先度算出機能と、
前記検査結果および前記優先度を表示する表示機能とをコンピュータに実行させる検査プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、ＡＩ（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）によって機械学習された学習済みモデルを用いて所定の検査を行う検査システムおよび検査プログラムに関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
学習済みモデルを用いて所定の検査が行われる場合がある。検査を実施している際に、学習済みモデルを再学習して更新することにより、検査精度の向上が図られる場合がある。例えば、特許文献１に記載の発明は、検査に用いられる観測データ（入力データ）と、機械学習に用いられる学習データ（学習用データ）との類似度を判定し、検査結果が正常で類似度の低い観測データを学習データ（再学習用データ）に追加して、学習済みモデルを再学習する。
【先行技術文献】
【特許文献】
【０００３】
特開２０１３－２１８７２５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、特許文献１に記載の発明では、類似度を判定するための高い機能が必要であり、類似度から学習データを選択する判定基準も容易には決定できない。そのため、より簡易な構成で容易に、検査精度を向上させることのできる入力データである再学習用データを選択し、効率的に再学習を行うことが求められている。
【０００５】
本発明は、検査精度を向上させることのできる入力データを容易に選択することを目的とする。
【課題を解決するための手段】
【０００６】
上記目的を達成するために、本発明の一実施形態に係る検査システムの特徴構成は、入力データが入力されると所定の検査を行うように生成された学習済みモデルと、前記入力データを取得するデータ取得部と、前記入力データを前記学習済みモデルに入力することにより前記検査を実行し、前記入力データに対する検査結果および前記検査結果の信頼度を出力する検査実行部と、前記信頼度から前記入力データを用いて前記学習済みモデルを再学習する必要性を示す優先度を算出する優先度算出部と、前記検査結果および前記優先度を表示する表示部とを備える点にある。
【０００７】
また、本発明の一実施形態に係る検査プログラムの特徴構成は、入力データを取得するデータ取得機能と、前記入力データが入力されると所定の検査を行うように生成された学習済みモデルに前記入力データを入力することにより前記検査を実行し、前記入力データに対する検査結果および前記検査結果の信頼度を出力する検査実行機能と、前記信頼度から前記入力データを用いて前記学習済みモデルを再学習する必要性を示す優先度を算出する優先度算出機能と、前記検査結果および前記優先度を表示する表示機能とをコンピュータに実行させる点にある。
【０００８】
検査精度を向上させるために、学習済みモデルを再学習して更新することが適切である。また、実際に行われる検査の状況に応じて学習済みモデルを更新するためには、検査に用いた入力データを用いて再学習することが望ましい。
【０００９】
上記各構成によると、検査結果と共に、検査に用いた入力データが再学習に適していることの指標となる優先度が表示されるため、作業者は入力データが再学習に適しているか否かを容易に判断することができる。そのため、適切な入力データを用いて効率的に学習済みモデルを再学習することができる。また、優先度は検査結果の信頼度に基づいて求められるため、学習済みモデルを用いた検査が困難であった入力データ程高くなるように算出される。そのため、検査精度を向上させることのできる入力データを容易に選択することができ、効率的に再学習を行うことができる。
【００１０】
また、前記表示部は、前記優先度があらかじめ定められた閾値より大きい場合に、前記優先度を表示してもよい。
（【００１１】以降は省略されています）

関連特許