画像処理と機械学習による撥水試験のデジタル化手法

1. ベテラン職員の目視判定結果を学習し、判定可能
2. 汎用PCで短時間で構築可能

技術の特徴

1. 既存の画像認識モデルを転用することで、撥水性評価モデルを安価に構築可能
2. 200枚の等級判定済み画像で学習を行い、80％以上の適合率を達成

技術の概要

JIS L 1092 繊維製品の防水性試験方法 はっ水度試験（スプレー試験）

試験片3枚に水をかけて、水滴の付着や湿潤（濡れ）の発生具合から、撥水性を目視で判定
課題：ベテランの判定者でも判断に迷う試料が多い・過去の判定結果との突合が難しい

LWD※を調整して、機械が等級判定しやすい写真を撮影

※LWD：Light Working Distance , 試料と照明の距離

↓

判定済み試料の写真を学習データに、パラメータ調整済みの画像分類モデルResNet-18※をファインチューニングすることで、撥水性判定モデルを作成

※ResJet-18：Residual Networkの略。
　　Microsoft Researchによって2015年に提案された畳み込みニューラルネットワークのモデル。

• プログラミング言語：Python
• 画像処理ライブラリ：OpenCV
• 機械学習ライブラリ：PyTorch

学習時間：15分程度（学習した画像214枚、GPUなしのPC使用時）
→平均適合率80．3％の撥水性判定モデルを作成できた

企業へのご提案

目視判定試験の高精度化、DX化にご興味のある方はお気軽にご相談ください。

• 高性能なPCを用意せずに、過去の目視判定結果を機械学習に利用可能
• ベテラン職員の判定を学習した「もう1人の判定者」を作成可能

JIS L 1092