ディープラーニングの産業への応用 その1

AI
スポンサーリンク

はじめに

産業への応用の応用例を列挙。

ものづくり

不良品検出

「不良品が発生する頻度が少ない」ことが課題。
良品データのみの特徴を抽出し、その差分で不良品を検出。
つまり、良品データでなければ不良品という考え方。
AutoEncoderと相性が良い。

予兆検知、予防保全

「作業員の熟練度に依存しない安定した生産」が目的。

バラ積みピッキング

「ロボットに求められる作業レベルが高度化」が課題。
Faster R-CNNによる検知と認識と相性が良い。

モビリティ

自動運転

内閣官房IT総合戦略室では以下を目標としている。
2020年:無人自動走行による移動サービス
2022年:高速道路でのトラック隊列走行
以下の検討も進められている。

  • 自動運転車両の安全基準
  • 交通ルールの在り方
  • 保険を含む責任関係の明確化
  • 国際動向、イノベーションに配慮した制度設計

ロボットタクシー

自動運転を前提としたロボットタクシーの開発も進められている。

医療

診断支援

ディープラーニングの特徴抽出能力と相性が良い。
意思への負担緩和や見落としリスク軽減に期待されている。

ゲノム解析

2017年GoogleからDeepVariantが発表。
解析は進むが根拠を示すことが困難という課題あり。

介護

着衣介助にも利用。
その他、介護コミュニーケーションや介護初心者へのコーチングにも利用。

インフラ、防犯、監視

メンテナンス効率化

コンクリートひび割れ検出、舗装道路損傷判断、送電線点検などに利用。

建設現場

トンネル切羽、掘削のり面の地質評価に利用。

産業廃棄物

人手不足解消

防犯、監視

パトロール要員の目視の代わりに利用。

コメント

タイトルとURLをコピーしました