講演情報
[2K-03]AI技術を利用した繊維製品のしわ外観の等級判定
〇淺海 真弓1、長浜 小春2、遠藤 祐里3、森 俊夫4 (1. 鹿児島県立短大、2. 岐阜女大、3. ボーケン品質評価機構、4. 東京家政大)
キーワード：
AI技術、視覚的特徴、しわ外観、ディープラーニング、等級判定、目視判定
目的 本研究では，しわ外観を目視評価する従来の試験方法に代わり，AI技術を活用した判定方法を提案する．形態を評価するパラメータである同時生起特徴量と目視判定値を学習用データとして用いて，ディープラーニングにより，洗濯しわの等級判定について検討した．
方法 画像解析により，角二次モーメント（ASM），コントラスト（CON），相関（COR）およびエントロピー（ENT）の特徴量を求めた．洗濯後の試料は，目視判定の等級値に応じて，等級値1.0（クラス0：C0），2.0（C1），3.0（C2），3.5（C3），4.0（C4），4.7（C5）に分類した．各試料から21枚の画像を切り出し，特徴量の増加量を求めた．これらの画像の80％を学習用に，20％を学習時の検証用に選びトレーニングを行った．その後，未知試料のしわについて等級判定を行った．
結果 入力値には洗濯前後のASM，CON，CORおよびENTの差を，出力値にはクラスを使用した．学習過程では，入力層に4ユニット，中間層に100ユニットの5層反復を設定し，出力層に6ユニットの全結合のプロジェクトで，アクティブ関数としてReLU関数を使用した．バッチサイズを4に設定し，最適化を2000回繰り返した場合のトレーニング結果では，正答率や適合率を1.0付近までに高めることができた．この評価モデルを用いたニューラルネットワークで未知試料の評価が十分実現可能であることが確認できた．
方法 画像解析により，角二次モーメント（ASM），コントラスト（CON），相関（COR）およびエントロピー（ENT）の特徴量を求めた．洗濯後の試料は，目視判定の等級値に応じて，等級値1.0（クラス0：C0），2.0（C1），3.0（C2），3.5（C3），4.0（C4），4.7（C5）に分類した．各試料から21枚の画像を切り出し，特徴量の増加量を求めた．これらの画像の80％を学習用に，20％を学習時の検証用に選びトレーニングを行った．その後，未知試料のしわについて等級判定を行った．
結果 入力値には洗濯前後のASM，CON，CORおよびENTの差を，出力値にはクラスを使用した．学習過程では，入力層に4ユニット，中間層に100ユニットの5層反復を設定し，出力層に6ユニットの全結合のプロジェクトで，アクティブ関数としてReLU関数を使用した．バッチサイズを4に設定し，最適化を2000回繰り返した場合のトレーニング結果では，正答率や適合率を1.0付近までに高めることができた．この評価モデルを用いたニューラルネットワークで未知試料の評価が十分実現可能であることが確認できた．