ポスト

あらゆる分野でDXへの取り組みが進む中、製造業や公共、建設における画像認識AIの市場ニーズが高まっている。特に異常検知や作業補助などへのAI適用が期待されるが、AI導入の経緯や方法は企業毎に大きな差がある。
NTTコムウェアは、3月3日に開催されたIDCオンラインイベント「主要産業におけるDXの強化領域とAI活用事例」において、画像認識AI「Deeptector(R)」（ディープテクター）の事例を通じて、DX成功のためのヒントを提案した。

画像認識AIの繊維業への導入と運用の内製化

小川裕士
NTTコムウェア
ネットワーククラウド事業本部
プラットフォームサービス部
スペシャリスト

　はじめに、ネットワーククラウド事業本部プラットフォームサービス部スペシャリストの小川裕士は、画像認識AIの課題は「AI人材の不足」、「AIを用いた業務の定義の難しさ（AI化のリスク部分を踏まえた業務フロー検討等）」、「AIを用いた業務運用（現行システムとの連携等）」であると指摘した。そして、それら課題への現実的な対処として、シンプルな形で導入、効果的に活用したお客様事例を通じて、画像認識AIの有効性を詳しく解説した。

　1つ目の導入事例は、福井県の繊維業、ウラセ株式会社（以下、ウラセ）様である。

　ウラセ様は、以前から製品ラインに検査機を導入し、繊維素材をカメラで撮影し、その撮影画像を検査機にて判定。問題のありそうな部分の画像を出力し、それらを目視で最終確認するという流れで検査業務を実施していた。
　さらに高い検査精度をめざしたが、既存の検査機で感度を上げると過剰検知と呼ばれる状態になり、目視検査する箇所が莫大に増えてしまうため、画像認識AIの導入を検討するに至ったという。

　導入にあたり、ウラセ様主体でAIの学習と判定、検査精度向上をめざす「AI運用の内製化」を進めたことで、効果的な活用に繋がったと述べた。

　具体的には、ウラセ様に不良箇所の画像を集めてもらい、NTTコムウェアがその画像を使ってAI学習を実施。その結果をフィードバックしてさらに改善するというプロセスを繰り返したが、その過程で、ウラセ様にも段階的に参画していただき、ウラセ様ご自身で継続的に検査精度向上に取り組める体制を構築していった。
　ここで、小川が「AI運用の内製化」実現のため重要なポイントとして挙げたのは、GUIクライアントツールの有効性だ。特別な知識がなくてもマウスで簡単に操作でき、正検出した判定数の分布の可視化や、誤検出画像の絞り込み等、改善点が視覚的に確認できる点は、内製化の大きな一助となっている。

　加えて、ウラセ様は、画像認識AIが現行システムを補完する形で初期導入したため、既存業務を大きく変えることなく、スムーズに組み込むことができた。さらに次の段階として、撮影システムなどAIに最適化したカメラやサーバーを含めた全体でのシステム更改の検討を行っているが、ここでも初期導入時の経験やノウハウを活かして効果的な検討を進められているという。

　そしてもちろん、費用対効果も十分である。初期導入の現段階でも、目視検査する画像数を10分の1程度に絞り込むことができ、検査員の確認漏れが減少している。この現実的な成功体験を元にした次のシステム更改では、検査精度の向上やバラツキの軽減、検査員の負担軽減など、さらなる効果が期待できる。