特許ウォッチ

公開番号2025177464
公報種別公開特許公報(A)
公開日2025-12-05
出願番号2024084320
出願日2024-05-23
発明の名称画像生成プログラム、方法、及び装置
出願人富士通株式会社
代理人弁理士法人太陽国際特許事務所
主分類G06T 1/00 20060101AFI20251128BHJP(計算;計数)
要約【課題】多次元の時系列データから、複数の次元の相関関係の変化として表れる異常を検知可能な画像を生成する。
【解決手段】画像生成装置は、多次元の時系列データそれぞれに基づいて、各時系列データの各時刻における周波数特性を表す多次元の第1画像を生成し、周波数毎に異なる値が付与されたランダム行列を用いて重み付けした多次元の第1画像を結合した単一の第2画像を生成する。
【選択図】図3
特許請求の範囲【請求項１】
多次元の時系列データそれぞれに基づいて、各時系列データの各時刻における周波数特性を表す多次元の第１画像を生成し、
周波数毎に異なる値が付与されたランダム行列を用いて重み付けした前記多次元の第１画像を結合した単一の第２画像を生成する、
ことを含む処理をコンピュータに実行させるための画像生成プログラム。
続きを表示（約 1,600 文字）【請求項２】
前記多次元の第１画像を生成する処理は、前記多次元の時系列データを主成分分析により多次元の主成分軸に写像した特徴量を示す時系列データに変換し、変換後の時系列データに基づいて前記多次元の第１画像を生成することを含む請求項１に記載の画像生成プログラム。
【請求項３】
前記ランダム行列は、各周波数において、前記多次元の第１画像のうち、ランダムに選択される所定個の前記第１画像に対する重みを１、他の前記第１画像に対する重みを０とする疎行列に、前記主成分分析で得られた寄与度を乗算し、乗算後の値を周波数毎に正規化した値を要素とする行列である請求項２に記載の画像生成プログラム。
【請求項４】
前記第２画像を生成する処理は、各時刻で異なるランダム行列を用いて前記多次元の第１画像に対する重み付けを行うことを含む請求項１～請求項３のいずれか１項に記載の画像生成プログラム。
【請求項５】
前記第２画像を生成する処理は、ＲＧＢ画像のＲ成分、Ｇ成分、及びＢ成分のうちの第１成分に前記第１画像に対する重み付け後の値を埋め込み、第２成分に周波数に応じて段階的に異なる値を埋め込み、第３成分に時間経過に応じて段階的に異なる値を埋め込むことを含む請求項４に記載の画像生成プログラム。
【請求項６】
前記多次元の第１画像を生成する処理は、各時系列データについて、異なる２種類の周波数特性を表す２種類の前記多次元の第１画像を生成し、
前記第２画像を生成する処理は、ＲＧＢ画像のＲ成分、Ｇ成分、及びＢ成分のうちの第１成分に第１種類の前記多次元の第１画像に対する重み付け後の値を埋め込み、第２成分に第２種類の前記多次元の第１画像に対する重み付け後の値を埋め込み、第３成分に周波数に応じて段階的に異なる値を埋め込む、
ことを含む請求項１～請求項３のいずれか１項に記載の画像生成プログラム。
【請求項７】
多次元の時系列データそれぞれに基づいて、各時系列データの各時刻における周波数特性を表す多次元の第１画像を生成し、
前記多次元の第１画像を訓練データとして、前記多次元の第１画像を単一の画像に変換するように自己符号化器を訓練することにより得られたエンコーダに、生成した前記多次元の第１画像を入力することにより、前記多次元の第１画像を結合した単一の第２画像を生成する、
ことを含む処理をコンピュータに実行させるための画像生成プログラム。
【請求項８】
前記エンコーダは、エンコーダ及びデコーダを含む前記自己符号化器に、前記多次元の時系列データを変換した前記多次元の第１画像を入力することで得られる前記多次元の第１画像の多次元の復元画像を多次元の復元時系列データに変換し、前記多次元の時系列データと前記多次元の復元時系列データとの誤差を最小化するように訓練された前記自己符号化器における前記エンコーダである請求項７に記載の画像生成プログラム。
【請求項９】
多次元の時系列データそれぞれに基づいて、各時系列データの各時刻における異なる複数種類の周波数特性を表す複数種類の多次元の第１画像を生成し、
前記複数種類の多次元の第１画像を結合した単一の第２画像を生成する、
ことを含む処理をコンピュータに実行させるための画像生成プログラム。
【請求項１０】
多次元の時系列データそれぞれに基づいて、各時系列データの各時刻における周波数特性を表す多次元の第１画像を生成し、
周波数毎に異なる値が付与されたランダム行列を用いて重み付けした前記多次元の第１画像を結合した単一の第２画像を生成する、
ことを含む処理をコンピュータに実行させるための画像生成方法。
（【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】
開示の技術は、画像生成プログラム、画像生成方法、及び画像生成装置に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
例えば、設備の稼働状態や人間の生体情報等の時系列データを監視し、対象の異常を早期に発見するための異常検知システムに機械学習モデルが利用されている。この機械学習モデルは、異常検知の個々の案件毎に訓練する必要があり、特に、機械学習モデルとして深層学習を用いる場合には膨大な訓練時間を要する。
【０００３】
また、案件毎の深層学習モデルを訓練することなく、基盤モデルである訓練済みの画像分類器を用いて、画像データの異常検知を行う方法が提案されている。そこで、時系列データの異常検知に対して、この基盤モデルを用いた異常検知の方法を適用するために、時系列データを画像化する方法が提案されている。
【０００４】
例えば、各次元の時系列データに対して個別にウェーブレット変換、グラミアン角場等を用いて画像化を行い、得られた次元分の画像を並べて一枚の画像とすることで、多次元の時系列データを取り扱う方法が提案されている。
【０００５】
また、例えば、生理学パラメータ等の所望のパラメータを決定するために多数の信号のウェーブレット変換を実行する信号処理方法が提案されている。この方法は、第１、第２信号を受信し、第１、第２信号に連続ウェーブレット変換を実行し、第１、第２変換信号に基づき第１、第２スカログラムを作成する。また、この方法は、第１、第２スカログラムに基づきスカログラムマスクを作成し、スカログラムマスクにより第１、第２スカログラムをフイルタし、フイルタされたスカログラムに基づき、生理学パラメータを決定する。
【先行技術文献】
【特許文献】
【０００６】
米国特許出願公開第２０１０／００１４７２３号明細書
【非特許文献】
【０００７】
Biegel, T., Helm, P., Jourdan, N. et al., "SSMSPC: self-supervised multivariate statistical in-process control in discrete manufacturing processes," Journal of Intelligent Manufacturing, 2003.
Li L., Li Q., Yong W., Zhang S., Yang M., Jiang P., "Intelligent Online Inspection of the Paste Quality of Prebaked Carbon Anodes Using an Anomaly Detection Algorithm. Systems," 2023; 11(9):484.
【発明の概要】
【発明が解決しようとする課題】
【０００８】
多くの場合、時系列データは複数のセンサの各々で取得された多次元データとなっており、高精度な異常検知を実現するためには、次元間の相関関係を考慮して時系列データを画像化することが望ましい。しかしながら、各次元の時系列データを個別に画像化して並べた画像では、複数の次元の相関関係の変化として表れる異常を検知することができない場合がある。また、上記の信号処理方法では、主として２つの時系列データを想定しており、高次元データ内の任意の次元間の相関を考慮することができない。
【０００９】
一つの側面として、開示の技術は、多次元の時系列データから、複数の次元の相関関係の変化として表れる異常を検知可能な画像を生成することを目的とする。
【課題を解決するための手段】
【００１０】
一つの態様として、開示の技術は、多次元の時系列データそれぞれに基づいて、各時系列データの各時刻における周波数特性を表す多次元の第１画像を生成する。そして、開示の技術は、周波数毎に異なる値が付与されたランダム行列を用いて重み付けした前記多次元の第１画像を結合した単一の第２画像を生成する。
【発明の効果】
（【００１１】以降は省略されています）

関連特許