特許ウォッチ

公開番号2025125738
公報種別公開特許公報(A)
公開日2025-08-28
出願番号2024021862
出願日2024-02-16
発明の名称異常検知システム及び異常検知方法
出願人株式会社明電舎
代理人園田・小林弁理士法人
主分類G06N 20/00 20190101AFI20250821BHJP(計算;計数)
要約【課題】適切なタイミングで、再学習を実行してAIモデルの精度の劣化(データドリフト)を防止する異常検知システム及び異常検知方法を提供する。
【解決手段】学習部10は、正常な撮影データに基づいて、異常判定を行うための異常判定AI_1を作成する。推論部20は、異常判定AI_1を用いて撮影データDB22の撮影データから検査対象の異常を推論し、異常判定AI_1の劣化(データドリフト)を検知した場合、異常判定AI_1の劣化の進行度合い及び劣化発生箇所を含むモデル状態をモデル状態表示UI24を介して表示する。再学習部30は、ユーザから再学習の指示があると、異常、劣化が検知された撮影データに基づいて再学習して異常判定AI_2を作成し、モデル評価結果をモデル評価結果表示UI33を介して表示する。推論部20は、ユーザから入れ替えの指示があると、異常判定AI_1を異常判定AI_2に入れ替える。
【選択図】図1
特許請求の範囲【請求項１】
外観検査を行う異常検知システムであって、
事前に撮影した検査対象の正常な撮影データに基づいて、異常判定を行うための第１のＡＩモデルを作成する学習部と、
前記第１のＡＩモデルを用いて撮影した撮影データから検査対象の異常を推論し、前記第１のＡＩモデルの劣化を検知した場合には、少なくとも前記第１のＡＩモデルの劣化の進行度合い及び劣化発生箇所を含むモデル状態をユーザに提示する推論部と、
前記ユーザによる再学習の指示があると、異常が検知された撮影データと劣化が検知された撮影データとを用いて再学習して第２のＡＩモデルを作成し、前記第１のＡＩモデルと前記第２のＡＩモデルとを評価し、モデル評価結果を前記ユーザに提示する再学習部と、を備え、
前記ユーザから入れ替えの指示があると、前記第１のＡＩモデルを前記第２のＡＩモデルに入れ替えることを特徴とする異常検知システム。
続きを表示（約 2,100 文字）【請求項２】
外観検査を行う異常検知システムであって、
事前に撮影した検査対象の正常な撮影データに基づいて、異常判定を行うための第１のＡＩモデルを作成する学習部と、
前記第１のＡＩモデルを用いて撮影した撮影データから検査対象の異常を推論し、前記第１のＡＩモデルの劣化を検知した場合には、少なくとも前記第１のＡＩモデルの劣化の進行度合い及び劣化発生箇所を含むモデル状態を、ネットワークを介してクライアント機器に提示する推論部と、
前記クライアント機器から前記ネットワークを介して再学習の指示があると、異常が検知された撮影データと劣化が検知された撮影データとを用いて再学習して第２のＡＩモデルを作成し、前記第１のＡＩモデルと前記第２のＡＩモデルとを評価し、モデル評価結果を前記ネットワークを介して前記クライアント機器に提示する再学習部と、を備え、
前記ネットワークを介して前記クライアント機器から入れ替えの指示があると、前記第１のＡＩモデルを前記第２のＡＩモデルに入れ替えることを特徴とする異常検知システム。
【請求項３】
外観検査を行う異常検知システムであって、
事前に撮影した検査対象の正常な撮影データに基づいて、異常判定を行うための第１のＡＩモデルを作成する学習部と、
前記第１のＡＩモデルを用いて撮影した撮影データから検査対象の異常を推論し、前記第１のＡＩモデルの劣化を検知した場合には、再学習の指示をする推論部と、
前記推論部から再学習の指示があると、異常が検知された撮影データと劣化が検知された撮影データとを用いて再学習して第２のＡＩモデルを作成し、前記第１のＡＩモデルと前記第２のＡＩモデルとを評価してモデル評価結果を出力する再学習部と、を備え、
前記モデル評価結果に基づいて、前記第２のＡＩモデルの評価値が前記第１のＡＩモデルの評価値以上である場合には、前記第１のＡＩモデルを前記第２のＡＩモデルに入れ替えることを特徴とする異常検知システム。
【請求項４】
外観検査を行う異常検知方法であって、
事前に撮影した検査対象の正常な撮影データに基づいて、異常判定を行うための第１のＡＩモデルを作成することと、
前記第１のＡＩモデルを用いて撮影した撮影データから検査対象の異常を推論し、前記第１のＡＩモデルの劣化を検知した場合には、少なくとも前記第１のＡＩモデルの劣化の進行度合い及び劣化発生箇所を含むモデル状態をユーザに提示することと、
前記ユーザによる再学習の指示があると、異常が検知された撮影データと劣化が検知された撮影データとを用いて再学習して第２のＡＩモデルを作成し、前記第１のＡＩモデルと前記第２のＡＩモデルとを評価し、モデル評価結果を前記ユーザに提示することと、
前記ユーザから入れ替えの指示があると、前記第１のＡＩモデルを前記第２のＡＩモデルに入れ替えることと、を含むことを特徴とする異常検知方法。
【請求項５】
外観検査を行う異常検知方法であって、
事前に撮影した検査対象の正常な撮影データに基づいて、異常判定を行うための第１のＡＩモデルを作成することと、
前記第１のＡＩモデルを用いて撮影した撮影データから検査対象の異常を推論し、前記第１のＡＩモデルの劣化を検知した場合には、少なくとも前記第１のＡＩモデルの劣化の進行度合い及び劣化発生箇所を含むモデル状態を、ネットワークを介してクライアント機器に提示することと、
前記クライアント機器から前記ネットワークを介して再学習の指示があると、異常が検知された撮影データと劣化が検知された撮影データとを用いて再学習して第２のＡＩモデルを作成し、前記第１のＡＩモデルと前記第２のＡＩモデルとを評価し、モデル評価結果を前記ネットワークを介して前記クライアント機器に提示することと、
前記クライアント機器から前記ネットワークを介して入れ替えの指示があると、前記第１のＡＩモデルを前記第２のＡＩモデルに入れ替えることと、を含むことを特徴とする異常検知方法。
【請求項６】
外観検査を行う異常検知方法であって、
事前に撮影した検査対象の正常な撮影データに基づいて、異常判定を行うための第１のＡＩモデルを作成することと、
前記第１のＡＩモデルを用いて撮影した撮影データから検査対象の異常を推論し、前記第１のＡＩモデルの劣化を検知した場合には、再学習の指示をすることと、
前記再学習の指示があると、異常が検知された撮影データと劣化が検知された撮影データとに基づいて再学習して第２のＡＩモデルを作成し、前記第１のＡＩモデルと前記第２のＡＩモデルとを評価してモデル評価結果を出力することと、
前記モデル評価結果に基づいて、前記第２のＡＩモデルの評価値が前記第１のＡＩモデルの評価値以上である場合には、前記第１のＡＩモデルを前記第２のＡＩモデルに入れ替えることと、を含むことを特徴とする異常検知方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、異常検知システム及び異常検知方法に関する。
続きを表示（約 2,600 文字）【背景技術】
【０００２】
生産現場等でＡＩ（人工知能：Artificial Intelligence）を運用する場合、使用環境のデータ特性や分布が時間の変化などに起因してＡＩモデルの精度が低下する（データドリフト）。このようなデータドリフトへの対応の一環として、モデルを再学習することが重要となる。そのため再学習のタイミングをユーザに提示することはとても重要である。
【０００３】
例えば、特許文献１には、ＡＩモデルの再学習のタイミングを自動化する技術が開示されている。また、特許文献２には、学習済のモデルの選択するためのシステムが開示されている。また、特許文献３には、再学習させる際のデータの順番等が開示されている。
【先行技術文献】
【特許文献】
【０００４】
国際公開第２０２０／０２４９８５号
特開２０２０－４２６６９号公報
特開２０１９－９５２１７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、上述した特許文献１では、異常を検知するためのＡＩモデルのデータドリフトを起因とする再学習のタイミングや、具体的にどの部分が劣化しているのか（どの部分にデータドリフトが生じているか）、あるいは時系列でのモデルの劣化具合などを提示しないため、再学習の理由やその原因が明確でない。また、引用文献２では、学習済のモデルを選択可能であるものの、再学習については何ら考慮されていない。また、引用文献３では、再学習のタイミングについて明確に述べられていない。ゆえに、これら引用文献１－３では、適切なタイミングで、再学習を実行してＡＩモデルの精度の劣化（データドリフト）を防止できないという問題がある。
【０００６】
そこで本発明は、適切なタイミングで、再学習を実行してＡＩモデルの精度の劣化（データドリフト）を防止することが可能な異常検知システム及び異常検知方法を提供することを課題とする。
【課題を解決するための手段】
【０００７】
本発明は、上記課題を解決するため、以下の手段を採用する。
すなわち、第１の発明に係る異常検知システムは、外観検査を行う異常検知システムであって、事前に撮影した検査対象の正常な撮影データに基づいて、異常判定を行うための第１のＡＩモデルを作成する学習部と、前記第１のＡＩモデルを用いて撮影した撮影データから検査対象の異常を推論し、前記第１のＡＩモデルの劣化を検知した場合には、少なくとも前記第１のＡＩモデルの劣化の進行度合い及び劣化発生箇所を含むモデル状態をユーザに提示する推論部と、前記ユーザによる再学習の指示があると、異常が検知された撮影データと劣化が検知された撮影データとを用いて再学習して第２のＡＩモデルを作成し、前記第１のＡＩモデルと前記第２のＡＩモデルとを評価し、モデル評価結果を前記ユーザに提示する再学習部と、を備え、前記ユーザから入れ替えの指示があると、前記第１のＡＩモデルを前記第２のＡＩモデルに入れ替えることを特徴とする。
【０００８】
また、第２の発明に係る異常検知システムは、外観検査を行う異常検知システムであって、事前に撮影した検査対象の正常な撮影データに基づいて、異常判定を行うための第１のＡＩモデルを作成する学習部と、前記第１のＡＩモデルを用いて撮影した撮影データから検査対象の異常を推論し、前記第１のＡＩモデルの劣化を検知した場合には、少なくとも前記第１のＡＩモデルの劣化の進行度合い及び劣化発生箇所を含むモデル状態を、ネットワークを介してクライアント機器に提示する推論部と、前記クライアント機器から前記ネットワークを介して再学習の指示があると、異常が検知された撮影データと劣化が検知された撮影データとを用いて再学習して第２のＡＩモデルを作成し、前記第１のＡＩモデルと前記第２のＡＩモデルとを評価し、モデル評価結果を前記ネットワークを介して前記クライアント機器に提示する再学習部と、を備え、前記ネットワークを介して前記クライアント機器から入れ替えの指示があると、前記第１のＡＩモデルを前記第２のＡＩモデルに入れ替えることを特徴とする。
【０００９】
また、第３の発明に係る異常検知システムは、外観検査を行う異常検知システムであって、事前に撮影した検査対象の正常な撮影データに基づいて、異常判定を行うための第１のＡＩモデルを作成する学習部と、前記第１のＡＩモデルを用いて撮影した撮影データから検査対象の異常を推論し、前記第１のＡＩモデルの劣化を検知した場合には、再学習の指示をする推論部と、前記推論部から再学習の指示があると、異常が検知された撮影データと劣化が検知された撮影データとを用いて再学習して第２のＡＩモデルを作成し、前記第１のＡＩモデルと前記第２のＡＩモデルとを評価してモデル評価結果を出力する再学習部と、を備え、前記モデル評価結果に基づいて、前記第２のＡＩモデルの評価値が前記第１のＡＩモデルの評価値以上である場合には、前記第１のＡＩモデルを前記第２のＡＩモデルに入れ替えることを特徴とする。
【００１０】
また、第４の発明に係る異常検知方法は、外観検査を行う異常検知方法であって、事前に撮影した検査対象の正常な撮影データに基づいて、異常判定を行うための第１のＡＩモデルを作成することと、前記第１のＡＩモデルを用いて撮影した撮影データから検査対象の異常を推論し、前記第１のＡＩモデルの劣化を検知した場合には、少なくとも前記第１のＡＩモデルの劣化の進行度合い及び劣化発生箇所を含むモデル状態をユーザに提示することと、前記ユーザによる再学習の指示があると、異常が検知された撮影データと劣化が検知された撮影データとを用いて再学習して第２のＡＩモデルを作成し、前記第１のＡＩモデルと前記第２のＡＩモデルとを評価し、モデル評価結果を前記ユーザに提示することと、前記ユーザから入れ替えの指示があると、前記第１のＡＩモデルを前記第２のＡＩモデルに入れ替えることと、を含むことを特徴とする。
（【００１１】以降は省略されています）

関連特許