レポート
似た形の対象を機械学習で分類してみよう！ WinROOF AI機械学習オプション①
AI機械学習ではどんなことができる？
今回はWinROOFシリーズStandard版のオプション機能『AI機械学習』機能を使ったレポートになります。
近年では人口知能・AIという言葉が一般的に使われるようになっていますが、まだまだ新しい技術ということもあり「一体何ができるのか？」というお声も非常に多くいただいております。
そこで今回はWinROOF『AI機械学習』機能を使った画像処理実践を行ってみたいと思います！
テーマは「類似特徴を持つ対象の分類」になります！
・・・
なんだか難しそうですがスマートフォンで撮影した画像から同サイズの工業部品（ネジ）を区別する処理を実践してみたいと思います。こう書くと一気に分かりやすくなりますね。笑
実践ネジの分類！まずは画像からネジを検出しよう
早速今回実践していく画像を見ていきたいと思います。
使う画像に課した課題は以下の内容です。
■分類が難しいように、色や形状・大きさが似ているもの
■人目の判断に使づけるように、顕微鏡などを利用しないで撮影したもの
そして、実際に撮影した画像がこちらです！
普段なら「もう少し、影消して取れないですか・・・？」とお願いしたいところですが、今回はそういうわけにもいきません。
WinROOFなら何とかしてくれるはず！と信じて進めます。
さて、"機械学習"というぐらいなので正しく動かすためには、まずそれぞれのネジを学習させなくてはなりません。
そのためにも画像から全てのネジを検出したい思います。
まずは 色抽出 で金属っぽい色合いの部分だけを抽出して・・・
あぁ・・・やっぱり影の部分も領域として認識してしまいますね。
もしかしたら上手くいくかと思ったのですが、残念ながら色を使おうとすると影の影響を受けてしまいそうです。
早速"影"の問題にぶつかってしまいましたが幸い背景とネジのコントラストはハッキリ分かれていますので、
こんなときはエッジ強調のフィルタに頼りたいと思います。
ノイズの影響にも強いソーベルフィルタを使ってみます。
いい感じです！若干影のエッジも出ていますが、これならネジと背景を綺麗に分けることができそうです。
早速2値化で明るい部分を抽出してみます。
上手く認識できていますが、若干影の部分も反応してしまっています。
正確に１つのネジとして抽出するためにもう少し領域を整形していきましょう。
抽出した領域の整形にはモフォロジー処理です。
非常に画像解析ではよく出てくる言葉なので
もう一度、『モフォロジー処理』です。
今回は離れた領域をつなげるクロージングと微小ノイズを消すためにオープニングを利用します。そして、モフォロジー処理後に、大きさが一定に満たない領域を消すと...
おぉ！かなり影や画像端で切れていたネジが無くなりかなりすっきりしました！
これなら学習に使えそうです！
この画像ではまだ大きな形の崩れがある抽出領域があります。
例えば、単純に大きさや形状特徴だけで判断しようとした場合にはこういったものは上手く分類できない可能性が高いですが、機械学習ではこういった形状の崩れ方の傾向も学習して分類するうえでの大きな特徴となります。
次はいよいよ機械学習を行っていきますが、実践レポートここまででかなり長くなってしまいました。泣
続きは次の記事へ続きたいと思います！更新をお楽しみに！
次の記事はコチラ！
似た形の対象を機械学習で分類してみよう！ WinROOF AI機械学習オプション②
https://www.mitani-visual.jp/mivlog/report/winroof-ai002.php
