本研究の目的は、複数のパターンで繰り返し動作を行う産業装置を対象とした、動画異常検知である。深層学習技術は近年急速に発展しており、産業への応用に注目が集まっている。異常状態を事前に定義することが困難な対象でも利用しやすいことから、正常な状態のみを学習させる教師無し学習が有効であり、画像検査などでも広く利用され始めている。一方で、静止画だけでは検知が困難な、タイミング異常（動作の時間的な変化の規則性を考慮して初めて検知できる異常）があり、これを検知可能な、教師無し学習による動画異常検知が求められている。動画異常検知を行う際、常に同じ動作を繰り返し行う装置であればタイミング異常検知は比較的容易に行えるが、繰り返し動作に複数のパターンがある場合は、複数あるうちのどのパターンで動作するか事前にわからないと、正常な動作であっても異常スコアが大きくなってしまうことが分かった。そこで本発表では、複数のパターンで繰り返し動作を行う産業装置を対象とした高精度なタイミング異常検知手法について検討し、AEとLSTMを組合せた手法とPredNetを利用した手法で高い精度が得られた結果について報告する。
