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

AI機械学習ではどんなことができる？

こちらから前回の記事も合わせてご覧ください！

前回に引き続き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。

さぁいよいよ検出したネジから先が尖ったネジとそうでないネジの2種類の学習と分類の実行に入っていきたいと思います！

検出した2種類のネジを学習させて分類を実行してみよう！

それでは、抽出した情報をWinROOFの分類エンジンへ学習させていきたいと思います。
ネジ06_AI学習01.png

WinROOFの機械学習オプションは画面上で抽出したものをクリックするだけで、覚えさせていくことができます。分類させたい種類により学習させる数も変わりますが、今回は2種類なので撮影画像2枚でそれぞれのネジを10個程度学習させました。
AIや機械学習という言葉を聞くと大量のデータが必要なイメージもありますが、少ないデータで効果を出せるモデルもございます。お客様のご用途に対して、最適な学習モデルは何なのかという点は非常に大事な要素です。

さぁ、学習したモデルを使って抽出した先が尖ったネジとそうでないネジの分類をテストしたいと思います。テストに使った画像はこちらです。抽出までは問題なく行えています。
ネジ07_AI学習01.png
はたしてどうなるでしょうか・・・。
ネジ08_AI学習01.png

ネジ09_AI学習01.png

おぉー！！良かった綺麗に分類できてる！！
正直もう少し学習データがいるんじゃないかと思っていましたが無事成功です！

WinROOFでは分類した結果をそれぞれ別のレイヤーへ展開できるので、それぞれを別々の結果として数値解析に利用することが可能です。実際に2種類のネジを別々のレイヤーに分けてみると次のようになります。
ネジ10_AI学習01.png

古典的な画像解析アプローチとの違い

ちなみに、今回実践したネジの画像を機械学習の分類を使わずに大きさや形状特徴量で判別しようとすると、最適な値を見つけるのが大変難しいです。
ネジ11_AI学習と古典的手法との違い.png

面積と凹凸度（ネジ山の凸凹具合が異なるので）で分けられないかと試してみましたが、結果は下の画像のように、上手く行きませんでした。
ネジ12_AI学習と古典的手法との違い.png

実際には画像解析ソフト状で、形状特徴値の組み合わせを複雑に作りこんで対象を絞り込んでいる方ももいらっしゃると思います。そういった方々にも機械学習オプションは有用な機能になる可能性が高そうだと改めて感じました。

AI機械学習オプションの紹介を実践レポート形式で行わせていただきましたがいかがでしたでしょうか？画像解析に取り組んでいらっしゃる方々の何かのお役に立てば幸いです！