Fujitsu desenvolve IA para inspeção de imagem para detectar anormalidades na aparência do produto com precisão líder mundial em benchmark

TÓQUIO, 29 de março de 2021 – (JCN Newswire) – A Fujitsu Laboratories anunciou hoje o desenvolvimento bem-sucedido de uma tecnologia de IA para inspeção de imagem que permite a detecção altamente precisa de uma ampla variedade de anormalidades externas em produtos manufaturados, incluindo arranhões e erros de produção. A tecnologia aproveita um modelo de IA treinado em imagens de produtos com anormalidades simuladas, sem ter que preparar dados de treinamento que usam imagens reais de produtos defeituosos retirados do processo de inspeção de uma linha de produção.

Fig 1. Esquema da tecnologia de desenvolvimento

Fig 2. Comparação com a técnica anterior

Essa tecnologia é capaz de detectar corretamente anormalidades como fios desgastados e padrões de fiação defeituosos em produtos que variam individualmente, mesmo que pareçam normais, como tapetes com lã ou cor diferente ou placas de circuito impresso com formas de fiação diferentes dependendo da peça. A tecnologia desenvolvida alcançou com sucesso a precisão líder mundial (1) em um benchmark usando dados públicos (2) coletados de imagens externas de vários produtos manufaturados.

A Fujitsu verificou a eficácia desta tecnologia durante o processo de inspeção na fábrica de Nagano da Fujitsu Interconnect Technologies Limited, uma fábrica que fabrica equipamentos eletrónicos, e confirmou a sua eficácia na redução de 25% das horas-homem necessárias para inspecionar placas de circuito impresso. Em última análise, a tecnologia oferece o potencial de ajudar a reduzir a carga de trabalho dos trabalhadores nas fábricas e melhorar a produtividade, ao mesmo tempo em que ajuda a introduzir novos estilos de trabalho para a equipe da linha de frente.

Histórico e desafios

No local do processo de inspeção, o inspetor determina se o produto está com defeito com base em características como forma aproximada, estrutura detalhada e textura. Por exemplo, a forma aproximada é considerada importante em um teste de distorção de forma e a textura é considerada importante em um teste de condição ou padrão. Além disso, mesmo que o produto pareça normal, se houver variações individuais em elementos como revestimento, cor e forma da fiação, essas características são examinadas para cada item, e a inspeção é realizada enquanto se distingue se as diferenças individuais ou anormalidades estão dentro da faixa aceitável . Portanto, ao treinar a IA para realizar tarefas de controle de qualidade, é necessário ser capaz de capturar uma ampla variedade de recursos que ocorrem individualmente em uma imagem normal. No entanto, o método típico de treinamento de um modelo de IA usando índices ponderados e somados para cada característica levou a uma tendência de se concentrar em apenas uma característica e provou ser difícil criar um modelo que compreenda totalmente todas as características.

Sobre a tecnologia desenvolvida recentemente

Com esta tecnologia, a IA restaura a imagem normal da qual a anormalidade foi removida quando uma anormalidade é detectada e detecta a parte anormal capturando a diferença entre a imagem a ser inspecionada e a imagem normal restaurada. A Fujitsu desenvolveu um método para treinar um modelo de IA para que uma imagem normal sem uma variedade de anomalias como forma, tamanho e cor possa ser restaurada adicionando artificialmente as anormalidades simuladas a uma imagem normal preparada para treinamento. A capacidade aprimorada de restaurar imagens normais tornou possível detectar áreas anormais com alta precisão sem preparar imagens contendo anormalidades como dados de treinamento. Durante o treinamento, a Fujitsu compara a imagem normal com a imagem restaurada pela IA, avalia o grau de treinamento de cada recurso, como forma aproximada, estrutura detalhada e textura, e controla o tamanho, a cor e o número de anormalidades a serem adicionadas para que A IA aprende preferencialmente recursos não capturados. Por exemplo, se a IA não conseguir restaurar corretamente a forma aproximada, ela treina com imagens anormais com algumas pequenas anormalidades que não afetam a aparência normal. Além disso, se os detalhes e a textura forem ligeiramente diferentes, a IA treina com muitas imagens anormais que são grandes o suficiente para obscurecer os detalhes ou adicionar um padrão notável. Dessa forma, avaliando o estado de restauração da IA ​​e treinando em áreas fracas onde a IA não pode restaurar recursos, tornou-se possível restaurar imagens normais que capturaram todos os recursos.

Além disso, a Fujitsu desenvolveu uma nova tecnologia que gera materiais de várias formas, tamanhos e cores a partir de uma biblioteca de imagens de mais de 5000 tipos de objetos artificiais e adiciona anormalidades alterando probabilisticamente o número de anormalidades e a posição em que elas são adicionados.

Focados no Negócio

A tecnologia desenvolvida alcançou precisão líder mundial, com pontuação AUROC (3) superior a 98% em uma classe de produtos que apresentam variações em sua aparência normal, como tapetes com diferentes padrões de pelo e cores em base individual e placas de circuito impresso com diferentes formas de fiação em diferentes partes. Além disso, não há variação em produtos individuais, como parafusos e porcas, e em produtos onde os produtos não defeituosos têm aparência uniforme, a precisão equivalente à das tecnologias convencionais (4) também foi mantida com sucesso.

A eficácia desta tecnologia no mundo real foi verificada durante o processo de inspeção na fábrica de Nagano da Fujitsu Interconnect Technologies, fabricante de equipamentos eletrônicos. A tecnologia conseguiu reduzir em 25% as horas-homem necessárias para inspecionar placas de circuito impresso.

Planos Futuros

No futuro, a Fujitsu irá desenvolver ainda mais esta e outras tecnologias relacionadas para suportar o portefólio de tecnologias de IA da Fujitsu, “FUJITSU Human Centric AI Zinrai”, e pretende aplicar esta nova abordagem à marca de fabrico da Fujitsu “COLMINA”, que proporciona transformação digital (DX ) para a indústria de transformação.

(1) precisão líder mundial:
A precisão foi alcançada para AUROC em comparação com as tecnologias listadas no ranking de referência de tecnologia de detecção de anomalias usando MVTec AD na classe alvo com variações na aparência normal. Dados da empresa em 29 de março de 2021.
(2) benchmark usando dados públicos:
Conjunto de dados de detecção de anomalias MVTec oferecido pela MVTec.
(3) AUROC:
Área sob a curva ROC. Uma medida do desempenho de um modelo que detecta anormalidades. Com pontuação máxima de 100%, quanto maior a pontuação no índice, melhor o desempenho do modelo.
(4) tecnologia convencional:
Tecnologia listada no ranking de benchmark de tecnologia de detecção de anomalias usando MVTec AD

Sobre a Fujitsu

A Fujitsu é a empresa japonesa líder em tecnologia da informação e comunicação (TIC), oferecendo uma gama completa de produtos, soluções e serviços de tecnologia. Aproximadamente 130,000 funcionários da Fujitsu dão suporte a clientes em mais de 100 países. Usamos nossa experiência e o poder das TIC para moldar o futuro da sociedade com nossos clientes. A Fujitsu Limited (TSE:6702) reportou receitas consolidadas de 3.9 trilhões de ienes (US$ 35 bilhões) para o ano fiscal encerrado em 3 de março
1 de janeiro de 2020. Para obter mais informações, consulte www.fujitsu.com.

Sobre a Fujitsu Laboratories

Fundada em 1968 como uma subsidiária integral da Fujitsu Limited, a Fujitsu Laboratories Ltd. é um dos principais centros de pesquisa do mundo. Com uma rede global de laboratórios no Japão, China, Estados Unidos e Europa, a organização realiza uma ampla gama de pesquisas básicas e aplicadas nas áreas de Serviços de Próxima Geração, Servidores de Computadores, Redes, Dispositivos Eletrônicos e Materiais Avançados. Para obter mais informações, consulte: http://www.fujitsu.com/jp/group/labs/en/.

Fonte: http://www.jcnnewswire.com/pressrelease/65544/3/