3D CNNを応用したボクセルデータに基づく ワークの分類実験と評価

抄録

本研究では，輪郭形状が同じでありながら表面形状や表面粗さが異なるようなワークを高精度に分類できるシステムの構築を目指している。これまでにも生産ラインを流れる工業製品の写真をもとに画像処理やCNNの技術を応用して自動的に欠陥検出を行おうとするシステムが多く提案されている(3-4)。しかしながら，ワークの輪郭形状が同じ場合，カメラで撮影された画像情報のみでCNNモデルを構築した場合，ワークの表面形状の違いを識別することは困難である。また，高性能な欠陥検出機能を持つCNNモデルの学習には膨大な学習データが必要であるが，2Dカメラでワークの形状情報をRGB画像で取得する際，訓練時とテスト時で照明条件が同じになるように入念に環境を構築していく必要がある。長期的にデータを蓄積していく場合，照明環境が安定的に一定となるよう，その都度調整することは非常に煩わしい作業となる。一方，3Dカメラは赤外線を照射しワークとの距離情報を取得するため，照明環境の変化に影響されずにデータを取得することができる点で有効である。 本研究では，3Dカメラで観測した深度情報をもとにボクセルデータを生成させ，ボクセルデータに基づく3D CNNを設計し，そのようなワークの分類を可能とするシステムの検討を行ったので報告する。